开源迷宫基准 Maze Bench 评测模型视觉空间推理
热点事件历史事件
开源迷宫基准 Maze Bench 评测模型视觉空间推理
1 篇报道1 个报道来源12 天前更新
先了解这件事
AI 综述
开发者在 GitHub 开源了 Maze Bench 基准,通过让模型读取随机生成的矩形迷宫图像并输出逃生路线指令,评测其连续的视觉与空间推理能力。 评测分两档:Tier 1 含 6 种尺寸共 30 张迷宫,Tier 2 含 20 张最大 24x24 的迷宫,按完成度乘以效率计分;不同迷宫尺寸下模型排名可能反转。项目以 Apache-2.0 许可发布,支持通过 OpenAI、Google Gemini、Anthropic 等 API 批量评测,并在 dashboard 提供排行榜与回放。私有评测中不得向模型提供答案文件或评分 JSON。
AI 根据报道生成 · 3 天前更新
最新进展11月10日 21:54
Maze Bench:评测模型视觉空间推理的迷宫基准报道时间线
沿着报道,了解事件的不同侧面。
11月10日
- GitHub · 灵魂体仓库Maze Bench:评测模型视觉空间推理的迷宫基准
GitHub 开源的 Maze Bench 基准通过让模型读取随机生成的矩形迷宫图像并输出单行移动指令,来评测连续的视觉与空间推理能力。评测含 Tier 1(6 种尺寸共 30 张迷宫)和 Tier 2(20 张,最大 24x24),按完成度乘以效率计分,不同迷宫尺寸下模型排名可能反转。项目以 Apache-2.0 许可发布,支持通过 OpenAI、Google Gemini、Anthropic 等 API 批量评测,并在 dashboard 提供排行榜与回放。