JigShape：通过拼图评估 VLM 的视觉—几何推理能力

英文标题：JigShape: Evaluating Visual-Geometric Reasoning in VLMs through Jigsaw Puzzles

论文提出了 JigShape 基准，用于通过拼图任务评估视觉语言模型（VLM）的视觉—几何推理能力。作者指出，拼图求解需要同时理解视觉内容与几何约束。现有基准通常采用矩形切块，在纹理重复区域会造成真实答案存在歧义。JigShape 旨在解决这一问题，为评估多模态模型的空间与几何推理能力提供更可靠的测试方式。

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