跳到正文
热点事件持续更新

MARBLE空间推理基准发布,最强模型成功率仅7.3%

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Yulun Jiang 等作者发布多模态语言模型基准 MARBLE,覆盖 CUBE、MAZE、BLOX 三个智能体环境,考察 2D/3D 空间谜题中的视觉到空间状态抽象与长程规划。作者报告,最强模型 GPT-5.4 在最难设置下三个环境平均成功率仅 7.3%。 成对消融显示视觉到空间抽象是主要瓶颈:需从图像推断空间状态时,Gemma-4-31B 成功率从 50.7% 降至 3.7%,Kimi-K2.6 从 87.9% 降至 6.5%。

AI 根据报道生成 · 55 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    MARBLE:面向空间推理与视觉抽象的智能体基准

    多模态语言模型基准 MARBLE 发布,覆盖 CUBE、MAZE、BLOX 三个智能体环境,考察 2D/3D 空间谜题中的视觉到空间状态抽象与长程规划。最强模型 GPT-5.4 在最难设置下三个环境平均成功率仅 7.3%。成对消融显示视觉到空间抽象是主要瓶颈:需从图像推断空间状态时,Gemma-4-31B 成功率从 50.7% 降至 3.7%,Kimi-K2.6 从 87.9% 降至 6.5%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。