Game2Real-Bench：简单游戏能否揭示并迁移到现实世界的视觉推理能力？
Game2Real-Bench 研究视觉语言模型（VLM）在简单游戏中展现的视觉推理能力是否也适用于真实世界图像。基准包含 1,000 个可验证的程序生成游戏样本，以及 400 个按照推理要求配对的真实场景样本。研究人员评估了 25 个 VLM，发现它们在游戏和真实场景中的表现高度相关（皮尔逊和斯皮尔曼相关系数均为 0.935）。单样本迁移提升了部分模型的约束推理能力，但游戏示例会削弱细粒度感知。团队还发布了近 24,000 个经过验证的游戏样本，涵盖 18 项任务和 65 类问答，并开放了基准和代码。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。