GAGR-Lab提出并报告单模型试点

Jingyao Zhang、Yun Li和Lu Han提出GAGR-Lab，用于评测模型在笛卡尔游戏场景中联合完成空间感知、度量落地、几何关系判断与解析函数构建的能力；其受控试点中，Llama 3.2 11B Vision Instruct完成432次尝试、获得429次有效响应，但未命中任何目标。 该试点仅覆盖一个托管模型，并以两个API凭据作为执行副本。具备额外权限的解析搜索对照在300个生成场景的600个方向案例中全部成功，且300个场景对应的1,200次垂直反射或平移检查均可重复完成，说明当前失败不能直接归因于任务本身。论文摘要还提出分阶段评测方案，但其中留出集复测、多模型比较和配对鲁棒性测试属于后续协议。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。