EgoBench：面向工具使用智能体的交互式多模态基准

EgoBench 是首个面向工具使用智能体的交互式多模态基准，包含 1,590 个第一视角视频任务，覆盖五类日常场景，并配套用户-智能体-工具交互环境。基准测试八个视频 MLLM 智能体，最佳模型在三种交互模式下的平均 Joint Success Rate 仅为 34.95%。该工作已被 NeurIPS 2026 接收。

摘自 arXiv cs.AI

还没有足够的连续观测数据，暂不绘制趋势。