Game2Real-Bench: 玩具游戏能否揭示并迁移至真实世界视觉推理？

Game2Real-Bench 基准测试研究玩具游戏与真实世界视觉推理的关联性，包含1000个程序生成游戏样本和400个真实世界样本，评估25个VLMs后显示游戏与真实表现强相关（Pearson/Spearman相关系数0.935）。约束推理能力在部分模型中通过游戏演示得到提升，但细粒度感知能力下降。基准测试、数据集及代码已开源。