spatio-temporal-reasoning

VGenST-Bench是一个基准测试，利用生成模型主动合成受控的时空推理场景，配备多智能体流水线和人工质量控制，用于评估多模态大语言模型。

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。