RealityBench评测35款视觉语言模型
热点事件持续更新
RealityBench评测35款视觉语言模型
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Relantic发布RealityBench基准，以Blender构建11个模拟环境，评测35款视觉语言模型从工人相机或智能眼镜视角理解并记录屋顶光伏安装、汽车维修等真实体力工作的能力，并公开论文、数据集和经人工标注校验的程序化评分器。 测试显示，OpenAI的Astra、Anthropic的Fable和Gemini Flash在文档记录任务上表现最好，但各模型普遍难以读取测量数值、判断小零件及空间关系。Relantic称，模拟环境与真实照片在配对问题上结果一致，表明仿真可预测部分现实表现。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 23:55
RealityBench 基准发布：35 个 VLM 文字读取强、尺寸测量弱报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- AGI HuntRealityBench 基准发布：35 个 VLM 文字读取强、尺寸测量弱
Relantic 发布 RealityBench 基准，以 11 个模拟环境评测 35 个 VLM 记录真实体力工作的能力。基准使用 Blender 建模屋顶光伏安装、汽车维修等任务，配套 arXiv 论文、HF 数据集和经人工标注校验的程序化评分器。
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。