MindTopo 基准揭示 VLMs 拓扑推理与规划能力差距

Microsoft Research 推出 MindTopo 基准，评估多模态大模型在连续性、分离性、顺序、包围和结等拓扑概念上的理解能力。测试显示当前模型在静态图像识别上表现优于交互式规划任务，且整体性能远低于人类水平。这一发现表明模型难以在动作序列中维持一致的拓扑理解，为机器人及交互环境中的可靠决策提供了改进方向。