MMGR 基准：视频模型解迷宫成功率仅 3%，视觉好不等于会推理

zhaofeng_wu · x · 2026-10-25

MMGR（EMNLP 2026，arXiv:2512.14691）提出统一基准，检验图像/视频生成模型是「真推理」还是只产出看似合理的画面：覆盖抽象推理、具身导航、物理常识 3 大领域 10 个任务、1835 个样本，考察物理/逻辑/2D/3D 空间/时间五类推理，并要求中间帧构成有效推理步骤（process-aware chain-of-frame）。

主要发现：

• 视觉质量与推理正确性严重脱节：顶级视频模型在 Maze 上成功率仅约 3%，Sudoku 约 0%；物理常识总体成功率不到 4%；
• 视频模型在具身导航部分任务可到 60-80%，但迷宫会改墙、3D 轨迹漂移；
• LLM/VLM 基线在符号推理（Sudoku 65.53、ARC 74.14）反而远强于生成模型；
• 消融显示过程成功率（37.14%）显著低于仅看终态（65.17%），说明「答案对」不代表「过程对」。

作者团队来自 Wisconsin、UCLA、MSU、Utah、Adobe、Microsoft 等，将在 EMNLP 2026 布达佩斯 10 月 25 日海报展示。

原文链接 →

「多模态」频道最新

• MiniMax H3 语音参考被指失效：ref2va 只能原句直通，换句即随机音色 — Beneficial_Fish_7509 · 2026-10-25
• 独立开发者开源人脸生成模型 Visage-Image：自训窄域 VAE 在 iFID 上超 FLUX.2 — Sherstnyov · 2026-10-25
• X 老炮预测：IG 将涌现有 AI 动画号，Claude 剪片有专属音效 — ChrisGPT · 2026-10-25
• AI 重制《海豚 Ecco》:复古游戏变电影级画面 — demondisc · 2026-10-25
• 斯坦福 AI 教育者晒 Synthesia 数字分身,发起 A/B 你能分辨吗 — HarperSCarroll · 2026-10-25
• ComfyUI做海报信息图：如何选带边界框的模型辅助排版 — reeight · 2026-10-25

更多「多模态」频道 AI 资讯 →