arXiv · 机器人与计算机视觉· Tianjun Gu, Jingyu Gong, Zhizhong Zhang, Yuan Xie, Lizhuang Ma, Xin Tan, Athanasios V. Vasilakos·· 3 天前AI 评分42
Teleo-Spatial Intelligence 模型在物理动力学与意图推理上落后人类表现
Vision-language models lag human performance on physical dynamics and intent reasoning
AI 导读
Teleo-Spatial Intelligence(TSI)通过整合物理动力学与动作目标,揭示了视觉语言模型在开放世界环境中存在显著的意图推理差距。基于包含 11,328 个真实视频及 8,000 例基准数据的 EscherVerse 资源评估显示,最强专有模型整体准确率仅为 57.26%,远低于人类首判平均 90.62% 的水平。
来源:arXiv · 机器人与计算机视觉 · arxiv.org