RoTA-Bench评估视觉语言模型3D推理
发生了什么
据Hugging Face Papers10月16日报道，研究引入RoTA-Bench通过交互式3D到2D投影对齐评估视觉语言模型的3D空间推理能力。测试集包含674个任务，其中分层测试集100个。实证发现GPT-5.6-Sol仅成功17%的任务，而人类本科生100%完成。模型在图像空间和姿态空间的进步可能背离，细粒度控制对交互历史敏感。
- 测试任务数
- 100 (分层测试集)
- GPT-5.6-Sol成功率
- 17%
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。
- 来源报道1 个发布入口