同一只普通茶壶，提示词说里面装的是像糖蜜一样黏稠的液体，视频模型却仍让它像水一样流出。画面可能很顺滑，但模型没有理解“黏度”会怎样改变运动。PhysicsLENS正是用来照出这种“物理属性盲区”的诊断型评测：它不只问视频像不像真的，还问结果是否符合指定的重量、摩擦力或黏度等隐藏属性。
它最巧的一步，是设计成对场景：保持起始画面和机器人任务不变，只修改文字中的物理条件。这样，差异就集中在模型有没有把属性真正落实为运动后果。研究覆盖碰撞、重力、动量、摩擦、形变、流体和因果七类物理问题，并测试了四个视频生成模型，共生成439段视频。作者报告，在47段外观看来物理合理的视频中，有34段忽略了文字指定的属性。换句话说，“看着合理”与“物理正确”不是一回事。若视频生成要成为供机器人学习和规划的世界模型——也就是能预测行动后果的环境——这面诊断镜比单纯评画质更关键；不过这些结论目前来自论文作者的基准测试。