EgoBench：工具使用智能体第一视角多模态基准发布

EgoBench 发布，被描述为首个面向工具使用智能体的交互式多模态基准，包含 1,590 个基于第一视角视频的任务，覆盖五类日常场景。 该基准通过多智能体模拟用户和确定性联合验证框架评估智能体的交互能力。在八个视频 MLLM 智能体上，最佳模型平均 Joint Success Rate 仅 34.95%。 该工作已被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。