EgoPoint-Bench

多模态大语言模型（MLLMs）难以理解自我中心的指向性，新的基准测试EgoPoint-Bench揭示了这一点

研究人员开发了EgoPoint-Bench，这是一个旨在测试多模态大语言模型（MLLMs）在自我中心视觉中理解指向手势能力的新基准。目前的MLLMs常常无法准确解读指向，而是依赖于不那么精确的线索，如邻近性。该基准测试包含超过11,000个模拟和真实世界样本，旨在提高AI代理的空间推理能力，以用于智能眼镜等任务。