跳到正文
arXiv · NLP· Hongxing Li, Jinyue Su, Dingming Li, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen·· 2026-10-09AI 评分35

SpaceCast-Bench:评估视觉语言模型预测性空间推理的基准

SpaceCast-Bench: Evaluating Predictive Spatial Reasoning in Vision-Language Models

AI 导读

研究人员发布基准 SpaceCast-Bench,直接评估视觉语言模型的预测性空间推理能力。 该基准包含 3862 个问题和 182 个真实场景。测试 21 个模型显示最强模型准确率仅 58.0%,远低于人类水平的 87.2%。

来源:arXiv · NLP · arxiv.org