引入了一个名为LEGO-Puzzles的新基准，用于评估多模态大语言模型（MLLM）的多步空间推理能力。该基准的灵感来自乐高积木搭建，包含基础空间理解和组装乐高结构的分步规划任务。对29个最先进MLLM的评估显示出显著的局限性，即使是最好的模型在基础任务上的表现也远低于人类准确率，并且无法进行超过几步的规划。 AI
影响 凸显了当前MLLM在空间推理方面的关键局限性，表明多模态AI需要取得重大进展。
排序理由 该集群包含一篇介绍评估AI能力基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
