标签
Epoch AI 创建了家具组装基准（FAB），用于测试 AI 模型在 IKEA 组装照片中识别错误的视觉推理能力。OpenAI 的 GPT-6 Astra 以 80% 的准确率领先，显示出比以往模型的大幅改进。
介绍了Flat-Pack Bench，一个通过家具组装任务评估大型视觉-语言模型细粒度时空推理能力的基准测试。实验表明，当前的LVLMs在跟踪和空间交互方面存在困难。