Plan-Bench：评估VLM具身推理与规划能力

2026年10月15日，arXiv Computer Vision 刊出 Juntong Feng 等作者的报道，研究者推出 Plan-Bench，用于评估 VLM 面向具身世界的高层推理与多步规划能力，并隔离动作执行的影响。该基准覆盖三个互补维度、16 个子类和 699 个精选样本。对 28 个 VLM 的评测显示，即使最强模型准确率也仅 75.0%，仍有提升空间。消融研究表明，模型规模扩大通常能提升这些能力，大模型作为高层规划器的潜力随之增加。作者表示基准与代码已公开（原文以链接形式给出）。目前进展为基准发布与首轮评测结果公布。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。