HuggingFace Daily Papers· Qinsi Wang, Wei Wen, Chong Zhou, Saksham Suri, Zechun Liu, Lemeng Wu, Hai Helen Li, Yiran Chen, Raghuraman Krishnamoorthi, Qi Qian·· 3 天前精选AI 评分65
InteractiveWorld: 首个可验证的人机环境助力构建更好的交互式多模态大语言模型助手
InteractiveWorld: A Verifiable Human-Centric Environment for Building Better Interactive MLLM Assistants
AI 导读
研究人员提出InteractiveWorld，这是首个可验证的人机闭环交互环境，并在此基础上推出InteractiveBench基准，包含120个多轮任务。测试显示，12个前沿多模态大语言模型在长时程指导任务中表现不佳，即使是Claude Fable 5.1也仅达到20-25%的准确率。
推荐理由
首个可验证的人机交互环境揭示前沿多模态模型在长时程任务中表现不足，为具身智能研究提供新基准。
来源：HuggingFace Daily Papers · arxiv.org