AgentVQA离线基准评估发布

发生了什么

Hugging Face Papers于2026年10月23日发布AgentVQA，这是一个用于评估视觉语言模型智能体能力的离线基准。该基准涵盖网络、机器人、视频、游戏和空间规划五个领域，通过分析1000个真实世界场景的挑战性例子，揭示了视觉定位和状态跟踪是主要失误原因。在22个被评估的模型中，最佳模型的准确率仅为58.5%。