跳到正文
实时
热点事件历史事件

InteractiveWorld 评估 MLLM 助手能力

1 篇报道1 个报道来源23 天前更新

先了解这件事

AI 综述

InteractiveWorld 提供了一个可验证的模拟环境和基准,用于评估多模态语言模型(MLLMs)能否可靠地指导人类完成物理任务。实验使用 12 个前沿 MLLMs 在包含 120 个多轮任务的基准上评估,结果显示它们距离成为可靠的助手仍很远,即使是 Claude Fable 5.1 在长时程指导与规划任务上的得分也仅为 20% 和 25%。

AI 根据报道生成 · 更新于 23 天前

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. Hugging Face Daily Papers
    InteractiveWorld:一个可验证的人本环境,用于构建更好的交互式 MLLM 助手

    InteractiveWorld 提供了一个可验证的模拟环境和基准,用于评估多模态语言模型(MLLMs)能否可靠地指导人类完成物理任务。实验使用 12 个前沿 MLLMs 在包含 120 个多轮任务的基准上评估,结果显示它们距离成为可靠的助手仍很远,即使是 Claude Fable 5.1 在长时程指导与规划任务上的得分也仅为 20% 和 25%。