浙江大学的研究人员开发了SpaceCast-Bench,这是一个旨在评估视觉语言模型(VLM)空间推理能力的新基准。在测试中,表现最佳的VLM得分仅为58.0%,远低于人类的87.2%,凸显了当前人工智能在理解和预测空间变化方面的局限性。 AI
影响 凸显了当前人工智能在复杂空间推理方面的局限性,指明了未来VLM发展的方向。
排序理由 该集群描述了一个用于评估AI模型的新学术基准。[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 →