GPT-6 Astra 解拓扑难题耗时8小时,MindTopo基准揭示MLLM短板
yining_hong · x · 2026-09-16
- Northwestern、Microsoft Research、Stanford 联合发布拓扑推理基准 MindTopo:基于 5 个皮亚杰式空间原语(连续性、分离、顺序、包围、打结)、13 类任务、11016 个实例,评测 11 个 MLLM。
- 核心结论:前沿模型能在静态场景中识别拓扑关系,却无法在动作序列中维持和操作这些关系——最佳模型仅 54.1%,人类为 97.4%。
- 引用帖演示 GPT-6 Astra 能解复杂空间约束任务(拆解互锁零件、绳穿三环),但第一个任务搜了 1h40m,第二个超 8 小时。
- 作者 Manling Li 认为:推理是核心,值得期待的是模型能否通过搜索抽象出可复用的拓扑结构,并作为可迁移技能简化下一个问题。
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02