arXiv · AI· Ziyi Jiao, Heng Zhang, Drishti Regmi, Xiaokang Ye, Lianhui Qin, Peter Yichen Chen·· 4 小时前AI 评分26
DuoCook：基于《Overcooked》的视觉规划与协作基准测试
DuoCook: An Overcooked-Inspired Benchmark for Visual Planning and Coordination
AI 导读
DuoCook 基准测试发布，评估 VLM 在 20 张地图上的双玩家烹饪协作能力。 测试涵盖设备竞争等 5 类场景，对比 GPT、Claude、Qwen 和 Gemini 四款 VLM。 最强模型 gpt-6-astra 平均订单完成率仅 26.2%，笔记记忆机制对各模型表现影响不一。
来源：arXiv · AI · arxiv.org