提出TriViewBench受控多视图视觉推理基准,用于评估多模态大语言模型在参数化场景复杂度下的多视图结构推理能力,揭示了当前模型在跨视图空间表示上的根本局限。
机构:南大
来源:arXiv 2606.26029 | AI4Papers 论文推荐平台