physical-properties

Affordance20Q 是一个基准测试，采用20个问题格式，评估大型语言模型在隐藏物体身份的情况下，从物理属性推断物体可操作性的能力。实验表明，大型语言模型与人类之间存在约20个百分点的差距，而提出的KARI流水线可将开源大型语言模型的性能提升高达15.2个百分点。