RVG-Bench

新AI基准测试交互式GUI和驱动推理的视频基础

引入了两个新基准IGG和RVG-Bench，用于评估AI模型执行更复杂的任务。IGG侧重于交互式GUI基础，代理必须在点击目标之前操作界面以显示隐藏的目标，GPT-5.5表现强劲，但仍落后于人类准确性。RVG-Bench解决了驱动推理的视听时间基础问题，要求模型理解超越简单视觉描述的用户意图，以定位特定的视频片段，即使是Qwen3.8-Omni-Flash等顶级模型也在此方面挣扎。