arXiv · cs.AI· Qingchuan Ma, Yuexiao Ma, Xiang Meng, Yixuan Zou, Tianyu Xie, Wang Chen, Yuhui Zeng, Yuhang Wu, Xiawu Zheng, Rongrong Ji·· 5 天前
RoTA-Bench：通过交互式投影对齐评测视觉语言模型的3D空间推理与控制
RoTA-Bench: Evaluating 3D Spatial Reasoning through Interactive Projection Alignment
arXiv:2610.17665v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qingchuan Ma, Yuexiao Ma, Xiang Meng, Yixuan Zou, Tianyu Xie, Wang Chen, Yuhui Zeng, Yuhang Wu, Xiawu Zheng, Rongrong Ji
研究任务与主要进展
RoTA-Bench 提出交互式3D到2D投影对齐基准，用674个任务和分层抽取的100任务测试集评测视觉语言模型能否通过连续旋转实现精确控制。摘要实验显示，GPT-5.6-Sol仅完成17%的任务，而20名本科生合计以100%成功率完成测试集四次；移除交互历史后，模型96.8%的动作退化为30度粗步长，任务成功率明显下降。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org