RoTA-Bench基准揭示视觉语言模型3D空间推理与人差距
先了解这件事
Qingchuan Ma等论文作者发布RoTA-Bench基准，通过交互式3D到2D投影对齐评测视觉语言模型能否从二维观测推断三维几何并执行精确连续旋转。自动流程从2D图标构建保持轮廓的3D物体并用可逆初始化保证可解性，得到674个任务和分层抽取的100任务测试集。论文摘要报告，GPT-5.6-Sol仅成功完成17%的任务，而20名本科生合计四次以100%成功率完成测试集。 摘要还报告两项失败模式：模型可能在轮廓重叠改善时反而恶化姿态对齐；移除交互历史后，96.8%的动作停留在30度粗步长，任务成功率明显下降。以上结果均基于论文摘要。
AI 根据报道生成 · 3 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv · cs.AIRoTA-Bench：评估视觉语言模型的交互式3D空间推理能力
RoTA-Bench通过交互式3D到2D投影对齐，评估视觉语言模型能否从2D观测推断三维几何并执行精确旋转动作。基准利用从2D图标构造的可解3D对象生成674个任务和分层测试集；GPT-5.6-Sol仅完成其中17%的任务，而20名本科生合计将测试集完成了4次、总体成功率为100%。实验还显示，模型在轮廓重叠改善时姿态对齐反而可能恶化，且移除交互历史会使动作明显集中到30度的粗粒度步长。
- arXiv · cs.AIRoTA-Bench：通过交互式投影对齐评测视觉语言模型的三维空间推理能力
RoTA-Bench提出一个评测视觉语言模型能否将二维观测转化为三维理解并执行精确旋转动作的基准，基于论文摘要构建了674个任务和分层抽取的100任务测试集。实验显示，GPT-5.6-Sol仅成功完成17%的任务，而20名本科生合计以100%成功率完成测试集；模型还可能在轮廓重叠改善时恶化姿态对齐，且移除交互历史后96.8%的动作停留在30度粗步长。
- arXiv · cs.AIRoTA-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 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。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 16:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。