Mga Papel at Pananaliksik

Mula sa location cognition tungo sa function understanding: pagtatatag ng spatial functional intelligence benchmark para sa multimodal large language model

Orihinal na pamagat:From Where Things Are to What They’re For: Benchmarking Spatial–Functional Intelligence for Multimodal LLMs

AI summary

Ang mga umiiral na benchmark tulad ng VSI-Bench ay pangunahing nagtatasa ng basic geometric perception, ngunit hindi naaabot ang high-level cognition na kailangan ng embodied intelligence. Dahil dito, inilunsad ng research team ang spatial functional intelligence benchmark na SFI-Bench, na may mahigit 1,700 tanong at nagmumula sa iba't ibang first-person indoor scan video. Layunin ng SFI-Bench na sistematikong tasahin ang advanced spatial reasoning ability ng multimodal large model mula sa object location perception hanggang sa function intention understanding, na nagmamarka ng paglipat ng assessment sa spatial cognition ng agent mula sa geometric level tungo sa functional level.

Mahahalagang impormasyon

  • Ang mga umiiral na benchmark tulad ng VSI-Bench ay pangunahing nagtatasa ng basic geometric…
  • Dahil dito,inilunsad ng research team ang spatial functional intelligence benchmark na…
  • Layunin ng SFI-Bench na sistematikong tasahin ang advanced spatial reasoning ability ng multimodal…

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
Apple Machine Learning Research(RSS)
Kategorya
Mga Papel at Pananaliksik
AI na marka
73
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

Apple 自己搞的 SFI-Bench 把评估从几何定位推进到功能理解,这个方向很对,做具身智能和空间推理的团队该跟一下。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Mula sa location cognition tungo sa function understanding: pagtatatag ng spatial functional intelligence benchmark para sa multimodal large language model. 6 Mayo 2026. https://new.nat6.net/fil/news/cmoumrg40016rslv9r33qvhhb/

Tingnan lahat →