ROWBench：评测视频模型是否按程序规定渲染内容

PROWBench 是一个评测可编程世界模型视觉遵循度的 benchmark，包含 170 个程序构建 episode 和 600 个 proxy videos，用于检查生成视频是否符合程序执行结果。它记录实体状态和带时间戳事件，支持第一/第三人称与部分同步多视角，并用 Logic-Render Alignment 和 Interaction Success Rate 评估时间线与交互呈现。