PlaySuite：面向交互式视觉智能的大规模基准测试

英文标题：PlaySuite: A Large-Scale Benchmark for Interactive Visual Intelligence

PlaySuite 是一项用于评估交互式视觉智能的大规模基准测试研究。论文指出，近期多模态基础模型在静态感知与推理基准上表现强劲，但这类评测在很大程度上忽视了智能的关键能力：在动态环境中持续、有效地采取行动。该研究旨在将评估重点扩展至需要长期交互与行动决策的视觉任务。对于开发者和行业而言，这类基准有助于更全面地衡量 Agent 和多模态模型在真实动态环境中的能力。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB