官方Microsoft Research Blog2026/03/27 03:023830
• AsgardBench 提供 108 项视觉交互规划任务。
• 视觉输入显著提升模型成功率，但细节跟踪仍弱。
AsgardBench 是微软开源的视觉交互式规划基准，提供 108 项任务用于评估 AI 代理在获取图像信息后如何动态调整计划。实验显示视觉输入显著提升成功率，但模型在细节识别和多步跟踪上仍有不足。该平台兼具可复现性和扩展性，为后续视觉‑规划模型的研发提供了明确的评估框架和改进方向。
专题：ai-benchmarking
按该标签聚合的大模型资讯列表（自动分类与标签提取）。共 2 篇文章。