实体 PuzzleMate

PuzzleMate

PulseAugur coverage of PuzzleMate — every cluster mentioning PuzzleMate across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_254907 · Sep 15 · 04:00

新基准揭示多模态大语言模型在以自我为中心的拼图辅助方面存在困难

研究人员开发了 PuzzleMate，这是一个新的框架和基准，旨在评估多模态大语言模型（MLLMs）在提供复杂物理任务的循序渐进指导方面的能力，以拼图为例。研究揭示了包括 GPT-5.2 和 Gemini 2.5 Pro 在内的当前最先进的 MLLMs 存在显著局限性，指出了阻碍它们进行精确空间推理和顺序逻辑能力的七个关键瓶颈。研究结果表明存在巨大的性能差距，这表明尽管这些模型在一般视觉理解方面表现出色，但它们在以自我为中心的拼图辅助…