时空智能评测

上海交通大学联合团队发布STI-Bench，评估多模态大模型的空间-时间理解能力。结果显示当前最强模型在自动驾驶和机器人操作任务中表现不佳，准确率低于50%。论文、代码及数据已开源，为改善MLLM空间智能提供了新基准。