跳到正文
热点事件持续更新

MARBLE 基准揭示前沿多模态模型空间抽象能力严重不足

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

arXiv 发布 MARBLE 评测基准,评估多模态语言模型的视觉到空间抽象能力。结果显示,最强模型 GPT-5.4 在三个智能体环境(CUBE、MAZE、BLOX)的最难设定下,平均成功率仅为 7.3%。 消融实验指出,从图像推断空间状态是主要瓶颈:Gemma-4-31B 和 Kimi-K2.6 在此任务上的成功率分别由 50.7% 和 87.9% 骤降至 3.7% 和 6.5%,暴露出前沿模型在该领域的显著差距。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    MARBLE:面向空间推理与视觉抽象的智能体基准测试

    MARBLE 是一个用于评估多模态语言模型在空间推理和视觉抽象能力的诊断性基准,涵盖 CUBE、MAZE 和 BLOX 三个智能体环境中的二维与三维几何谜题。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。