厦大推 RoTA-Bench:3D 空间推理最强模型仅 17%

厦门大学与南洋理工团队发布 RoTA-Bench,通过交互式 3D-to-2D 投影对齐任务评测视觉语言模型的空间推理能力:模型需观察旋转中的物体、在 3D 中调整其姿态,使投影与目标剪影对齐。基准包含深度着色视图、5°/10°/30° 等旋转步长,并以 IoU≥0.90 判定成功。结果显示人类接近满分,而最强模型仅约 17%,暴露出 VLM 在 3D 空间推理上的巨大短板。

2026-10-16 ~ 2026-10-17 · 2 条相关

• 厦大发布 RoTA-Bench:VLM 转 3D 旋转控制远落后人类 — MAC-AutoML · 2026-10-16
• RoTA-Bench 揭穿 3D 空间推理短板:人类近满分,最强模型仅约 17% — _akhaliq · 2026-10-17