摘要
视觉语言模型（VLM）常被用于读取地图以支持物流和导航，但其输出需符合底层路网结构。现有基准多评估自由文本，缺乏图可验证性。本文提出 MapReason-OSM，一个基于自渲染 OpenStreetMap 面板的基准测试框架，包含 6000 个实例，涵盖路由、设施定位等任务。研究评估了七个 VLM 模型，发现其在简单读图上表现尚可，但在图成本推理和跨尺度一致性上存在显著缺陷，甚至前沿推理模型在设施定位任务上也接近随机猜测。
AI 推荐理由
论文核心评估 VLM 在地图上的图验证推理能力，聚焦逻辑与成本推理缺陷。
研究机构
NVIDIA
University of Central Florida
University of South Florida
论文信息