摘要
本文提出 OVO-S-Bench，一个针对多模态大模型流式空间智能的全人工标注基准。该基准包含 348 个视频源的 1680 个问题，涵盖从即时感知到异中心映射的四个抽象层级。评估限制模型仅能访问查询时间戳前的视频前缀。实验显示，现有模型在异中心映射任务上表现显著落后于人类专家，且未落地的思维链推理会放大空间错误。该研究揭示了当前模型在连续流式空间理解上的局限，为下一代模型提供了严苛的测试平台。
AI 推荐理由
论文聚焦多模态智能体的空间推理能力评估，涉及思维链与逻辑推演，属推理核心应用。
研究机构
上海交通大学
上海人工智能实验室
论文信息