AgentVQA 基准发布：千例人工核验样本离线评测视觉智能体

马里兰大学与普林斯顿团队（Advait Gupta 等）发布 AgentVQA，一个无需运行昂贵在线任务即可离线评测视觉智能体的基准。它包含 1,000 个来自真实智能体场景、全部经人工核验的挑战性样本，覆盖网页 agent、机器人、第一人称视频、游戏与空间规划五大场景，统一评测视觉语言模型在真实智能体任务上的表现。

2026-10-23 ~ 2026-10-24 · 2 条相关

• Princeton 推出 AgentVQA:跨网页/机器人/游戏等五场景评测 VLM 智能体视觉能力 — zlab-princeton · 2026-10-23
• AgentVQA 基准发布：1000 个人工核验样本离线评测视觉智能体 — liuzhuang1234 · 2026-10-24