跳到正文
热点事件持续更新

MARBLE空间推理基准发布,最强模型最难设定成功率仅7.3%

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

MARBLE研究团队发布诊断基准MARBLE,通过CUBE、MAZE、BLOB三个智能体环境评估多模态模型的空间推理与规划能力,覆盖2D与3D空间谜题,并沿观察格式和规划视野两个维度控制难度。测试结果显示模型表现随难度大幅下降:最强的GPT-5.4在最难设定下三个环境平均成功率仅7.3%,Gemma-4-31B从50.7%降至3.7%,Kimi-K2.6从87.9%降至6.5%。

AI 根据报道生成 · 50 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    MARBLE:面向空间推理与视觉抽象的智能体基准发布,GPT-5.4 最难设定仅 7.3% 成功率

    研究团队发布 MARBLE 基准,通过 CUBE、MAZE、BLOX 三个智能体环境评估多模态模型的空间推理与规划能力,覆盖 2D 与 3D 空间谜题,并沿观察格式和规划视野两个维度控制难度。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。