WorldAuditBench：利用多模态智能体审计交互式3D世界
WorldAuditBench是一项用于检测交互式3D世界异常的基准测试，涵盖漂浮物体、可穿越的墙壁以及与周围场景不一致的物体等问题。该基准包含213项任务，分布在13个使用Unreal Engine 5和Three.js构建的环境中，覆盖五类异常。研究人员使用两种方法评估了五个前沿多模态模型：先由VLA进行探索，再由VLM识别异常；以及由端到端VLM智能体通过视觉推理直接选择行动。模型成功率为6.6%至42.3%，显著低于人类的83.4%。结果表明，当前多模态智能体在结合导航、证据收集与视觉推理方面仍存在明显局限。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。