Envision 是由上海人工智能实验室于 2025 年发布的一个多图像文本对数据集，相关论文成果为「Envision: Benchmarking Unified Understanding & Generation for Causal World Process Insights」，旨在测试模型在真实世界事件中的因果理解与多阶段生成能力。

数据集共包含 1,000 个事件序列与 4,000 条四阶段文本提示，涵盖自然科学与人文历史六大领域。事件素材来自教材与在线资料，经专家筛选并由 GPT-4o 生成与润色，形成具备清晰因果链与阶段递进结构的叙事提示。

数据构成：

• 学科覆盖（共 6 类）
  • 自然科学（占 75%）：物理、化学、生物、气象、地理
  • 历史与文化（占 25%）
• 因果结构类型
  • 连续型因果：同一空间场景中连续变化，适用于细粒度物理与化学过程
  • 离散型因果：跨时空阶段跳跃，适用于地质演化、生命周期、历史事件