VisSearch बेंचमार्क multimodal एजेंटों में लंबी क्षितिज दृश्य खोज का मूल्यांकन करता है।
VisSearch-Bench ने 204 दृश्य खोज कार्यों पर 16 multimodal एजेंटों का परीक्षण किया, जो कमजोर लंबी क्षितिज दृश्य तर्क के कारण केवल 26.47% पूर्ण सफलता दिखा रहे हैं।
VisSearch-Bench ने 204 दृश्य खोज कार्यों पर 16 multimodal एजेंटों का परीक्षण किया, जो कमजोर लंबी क्षितिज दृश्य तर्क के कारण केवल 26.47% पूर्ण सफलता दिखा रहे हैं।
सर्वेक्षण मानचित्र multimodal एजेंट मेमोरी प्रतिनिधित्व और प्रबंधन, स्थिर, गतिशील, विकसित एजेंटों के लिए नीति सीखने से सामग्री अद्यतन को अलग करना
ViewCraft multimodal एजेंटों के लिए साक्ष्य इंटरफेस और रीडिंग प्रक्रियाओं को विकसित करता है, आठ बेंचमार्क पर 6.1 अंक प्राप्त करने के लिए विफलताओं और पुनरावृत्ति का उपयोग करता है