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 · hf · 2026-10-23
马里兰大学与普林斯顿团队发布 AgentVQA,一个离线基准,统一评测视觉语言模型在真实智能体任务上的表现,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。分析发现视觉定位与状态追踪错误是 VLM 在智能体任务中的主要失败模式,为后续改进指明方向,代码与数据已开源。
「研究」频道最新
- NBER 出版《变革性 AI 的经济学》，Agrawal 与 Brynjolfsson 主编 — JMateosGarcia · 2026-10-23
- Jane Street 用 NVIDIA cuTile 实现 Mamba-2 高性能前向核 — blelbach · 2026-10-23
- LatentLoop 论文：非对称算力分配让循环 MoE 省 19% 计算 — pmttyji · 2026-10-23
- OpenAI GPT Rosalind 智能体 32 分钟完成小鼠大脑基因图谱分析 — Sevives · 2026-10-23
- 可争议代理数据治理论文：记录 AI 生成元数据的人工监督 — Sevives · 2026-10-23
- 意识科学家 Anil Seth 撰文:意识是生命的属性而非计算,造有意识 AI 是坏主意 — anilkseth · 2026-10-23