SATE-Bench发布评测MLLM空间能力

2026年10月27日，Tianchen Guo等人在arXiv发布基准SATE-Bench，该基准包含316个真实场景和2525个多轮问答对。该基准旨在评估多模态大语言模型的视觉自我意识与主动视角探索能力。 SATE-Bench结合被动多视角控制和主动探索设置，模型需从严重遮挡视角出发迭代查询相邻视角。评分机制采用按步骤惩罚的效率奖励。 评估结果显示，最新多模态大语言模型在探索过程中过早终止，但仍报告高置信度，暴露出主动空间理解的不足。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。