一个新的名为EgoGapBench的基准测试已被开发出来，专门用于评估多智能体场景中的以自我为中心的动作选择。该基准测试旨在分离出从智能体自身视角选择动作的能力，这与仅仅处理第一人称视角数据不同。目前的大型语言模型，包括专有的模型，在执行此任务时都面临困难，常常选择其他智能体的动作而不是自身的动作。虽然在现有以自我为中心的数据上进行微调并不能显著提高性能，但直接在EgoGapBench数据上进行训练显示出希望，但尚未达到人类水平的准确性。 AI
影响 突显了当前大型语言模型在以自我为中心视角方面的一个特定局限性，表明需要针对智能体行为进行有针对性的训练和评估。
排序理由 学术论文，介绍了一个用于评估人工智能能力的新基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.00547v1 Announce Type: cross Abstract: Existing egocentric benchmarks have primarily constructed the egocentric setting from first-person-view data, which makes it difficult to evaluate egocentric perspective itself in isolation. However, understanding first-person-vie…
Existing egocentric benchmarks have primarily constructed the egocentric setting from first-person-view data, which makes it difficult to evaluate egocentric perspective itself in isolation. However, understanding first-person-view input and taking an egocentric perspective are s…