CCTest · Blog
VABench:让多模态模型在真实空间中看、想、做与纠错
机器人与物理 AI
cctest.ai
机器人与物理 AI

VABench:让多模态模型在真实空间中看、想、做与纠错

VABench 不再只考察模型能否说出物体在哪里,而是进一步测试其在信息不完整时主动观察、建立空间关系、发出精确动作并依据反馈修正的能力。结果显示,模型在定位等基础能力上表现较好,但距离稳定完成复杂操作仍有明显差距。

阅读全文
CCTest · Blog
RiskChainBench:把隐写消息恢复与网页取证连成一条评测链
模型评测
cctest.ai
模型评测

RiskChainBench:把隐写消息恢复与网页取证连成一条评测链

RiskChainBench 将平台滥用场景中的隐写消息恢复,与基于证据的网页调查放入同一套基准中,检验模型能否从“看懂暗号”走到“找对网站并完成判断”。结果显示,稳定导航和风险研判仍是多模态智能体的主要短板。

阅读全文