VibeVideoBench mide agentes multimodales que escriben código para renderizar cada fotograma y sintetizar el audio. Las tareas abarcan gráficos, lecciones, piezas musicales y explicaciones de artículos.
Cada prueba se ejecuta en un entorno aislado y limita la entrega a una hora. El trabajo es una prepublicación: los resultados pertenecen a los autores y aún no constituyen un estándar consolidado.
Preprint revisado solo a nivel de resumen; sin réplica externa.
VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation
Publicado el 26 oct 2026
Para ampliar en las fuentes.
arXiv · VibeVideoBench: Evaluating Multimodal Agents on Code-Driven Video Generation ↗La actualidad de la IA también se ve.
Encuentra Noticias IA en YouTube.
