新的PolyComp基准测试AI空间推理能力；GPT-5.6领先

引入了一个名为PolyComp的新基准测试，用于测试多模态AI模型的组合式3D空间推理能力。该基准测试包含120个程序生成的问题，每个问题要求模型识别构成目标实体的两个多立方体组件。在评估中，GPT-5.6 Sol的准确率为50.0%，Claude Fable-5为39.4%，Gemini 3.1 Pro Preview为27.5%，接近随机猜测基线。 AI

影响 该基准测试有望推动AI在理解和推理3D空间关系方面的能力提升，这对于机器人和增强现实应用至关重要。

排序理由 该集群描述了一个用于AI模型评估的新学术基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Claude Fable-5
• DagsHub
• Gemini 3.1-pro-preview
• GPT 5.6 "Sol"
• Hugging Face
• PolyComp

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →