PRISM

PRISM 是一个面向程序化空间-时间推理能力评估的基准测试框架，专注于 Manim 动画代码生成任务。它提供包含 10,372 条中英文双语样本的公开数据集，以及一套端到端评估工具链，支持代码执行验证、空间几何审计（如重叠、越界）、视觉丰富度（PADVC）与时间密度（TD）量化评分，并内置文本扩展分析模块。项目采用确定性空间审计与多阶段漏斗式评估设计，强调可复现、可解释的推理质量度量。适用于评估多模态大模型在空间建模、程序合成及动态可视化生成等任务中的结构化推理能力。