基准以7082个样本评测多模态模型理解物体移动、交换后空间状态变化的能力。
推荐理由：它把空间评测从静态关系识别推进到干预后的状态推演，并用六类干预、十二种变换及因果标注拆解错误，能更准确暴露多模态模型是否真正掌握状态转移。
阅读原文