إطلاق VA-Bench: معيار جديد لتقييم نماذج الذكاء الاصطناعي متعددة الأنماط

أطلق فريق بحثي من جامعة داليان للتكنولوجيا معيار VA-Bench، الذي يقيم قدرة نماذج اللغة الكبيرة متعددة الأنماط على تحويل ما تراه إلى أفعال ناجحة باستخدام ذراع روبوت. أظهرت أفضل نماذج، مثل Qwen3.8-max من علي بابا، نجاحًا متوسطًا بلغ 53.93% في إكمال المهام، مما يشير إلى أن النماذج التي تستطيع "فهم" المشهد لا تزال تواجه صعوبات في التنفيذ الموثوق. يقيّم VA-Bench الدورة الكاملة للملاحظة، والتفكير، والعمل، والتعديل، حيث يشاهد النموذج فيديو توضيحيًا ناجحًا قبل كل اختبار دون تلقي إحداثيات دقيقة أو مسارات خبراء. يتعين على النموذج إصدار أوامر ملموسة، مثل الترجمات بالملليمتر وزوايا الدوران، بينما ينفذ جهاز تحكم ثابت ما يحدده النموذج فقط.