engineering-reasoning

本文介绍了 EngVQA，一个用于评估视觉语言模型工程推理能力的多模态基准，以及一个 8 阶段自动评估框架，能够对推理失败进行细粒度分析。它揭示了当前 VLMs 在工程推理能力上的重大局限性。