Game2Real-Bench: Do Toy Games Reveal and Transfer to Real-World Visual Reasoning?
Game2Real-Bench 評估玩具遊戲中的能力能否反映並遷移至真實世界視覺推理,涵蓋細粒度感知、空間推理、約束推理及序列規劃。研究以 1,000 個遊戲樣本和 400 個真實世界樣本評估 25 個 VLM,兩者的 Pearson 和 Spearman 相關係數均為 0.935。Game2Real-Dataset 收錄近 24K 個經驗證的遊戲樣本,涵蓋 18 項任務及 65 個 QA 家族。