EgoBench：面向工具使用智能体的交互式第一人称多模态基准

随着 AI 智能体在开放现实环境中运行，亟需多模态感知、多跳推理工具调用及动态交互的深度融合。现有基准难以联合评估这些能力。为此，本文提出 EgoBench，首个面向工具使用智能体的交互式多模态基准。它包含 1045 个基于第一人称视频的任务，覆盖四种日常场景，并构建了用户 - 智能体 - 工具交互环境。通过三阶段协同流程，强制结合视觉感知与工具增强型多跳推理。此外，引入多智能体模拟用户以评估交互能力，并建立确定性联合验证框架确保评估客观性。实验显示当前最先进模型性能存在严重瓶颈。