DominoBench检验AI从静态图像进行物理推理的能力
AI 总结
Emilio Ferrara的论文提出DominoBench,用于检验视觉语言模型能否仅凭静态图像预测二维刚体场景的结果。该基准包含854个样本、427组最小配对,结果由物理模拟器计算,并配有四级提示阶梯,最后一级给出决定结果的计算。对来自10个家族的30个模型的测试显示,无提示时模型无法可靠预测结果。前沿模型对命运发生变化者的准确率最高为72%,要求配对双方都正确时最高仅为34%。
深度见解
结果显示,能流畅描述场景并不意味着能可靠预测物理结果。当提供决定结果的计算及所需数值后,同一批模型对关键人物的准确率达到82–92%,表明主要困难在于识别并计算决定性变量。
Computer Science > Computer Vision and Pattern Recognition
arXiv:2611.20385 (cs)
[Submitted on 16 Nov 2026]
Title:DominoBench: Evaluating Multi-Step Physical Reasoning from Still Images
Authors:Emilio Ferrara
View a PDF of the paper titled DominoBench: Evaluating Multi-Step Physical Reasoning from Still Images, by Emilio Ferrara