标签
本文介绍了PlanBench-V，这是首个用于评估视觉语言模型在空间规划地图解读方面能力的综合性基准，包括一个专家标注的数据集和一个四维度评估框架。实验显示取得了显著进展，但也突显了在面向实施的任务中持续存在的挑战。