RealityBench：评测VLM记录体力工作基准
热点事件持续更新
RealityBench：评测VLM记录体力工作基准
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026年10月14日，arXiv Computer Vision 报道了 RealityBench 基准：研究者在 Blender 中构建覆盖十一个环境的模拟基准，用可接受性与文档记录两类任务，评测视觉语言模型理解人类体力工作的能力。报道称，在 26 个视觉语言模型上，顶尖模型基本能处理画面内文字作答的文档任务，但在读取测量值、判断小零件与空间关系（如卷尺是否倾斜）上表现薄弱；可接受性任务因人类评分者本身分歧较大而更难界定，最佳模型与单个人类评分者难以区分，成本与人类单次通过相当。该报道为目前唯一来源，未出现与早先报道矛盾的数字或说法。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
RealityBench：用 Blender 模拟环境评测视觉语言模型记录人类体力工作的能力报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv Computer VisionRealityBench：用 Blender 模拟环境评测视觉语言模型记录人类体力工作的能力
RealityBench 在 Blender 中构建了覆盖十一个环境的模拟基准，用可接受性与文档记录两类任务评测视觉语言模型理解体力工作的能力。在 26 个视觉语言模型上，顶尖模型基本能处理画面内文字作答的文档任务，但在读取测量值、判断小零件与空间关系（如卷尺是否倾斜）上表现薄弱。可接受性任务因人类评分者本身分歧较大而更难界定，最佳模型与单个人类评分者难以区分，成本与人类单次通过相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。