Plan-Bench评估VLM规划能力
发生了什么
据arXiv cs.CV报道，Plan-Bench是评估视觉语言模型（VLM）在具身世界中推理与多步规划能力的基准，涵盖16个子类和699个样本。对28个VLM的评估显示最强模型准确率仅为75.0%。研究表明模型规模扩大通常能提升这些能力。
- 评估子类数量
- 16
- 样本数量
- 699
- 评估模型数量
- 28
- 最强模型准确率
- 75.0%
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口