AgentVQA离线评测视觉智能体能力

马里兰大学与普林斯顿团队发布离线基准 AgentVQA，用于统一评测视觉语言模型智能体在真实任务中的视觉表现，代码和数据已开源。 基准覆盖网页智能体、机器人、第一人称视频、游戏和空间规划五类场景。团队分析发现，视觉定位和状态追踪错误是模型在智能体任务中的主要失败模式，为后续改进提供了方向。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。