策略推理

VS-Bench：评估视觉语言模型在多智能体环境中策略能力的基准

VS-Bench: Evaluating VLMs for Strategic Abilities in Multi-Agent Environments

为视觉语言模型智能体提供多智能体、视觉落地的策略评测协议，包含感知识别、下一动作预测、归一化回报三个维度，可直接用于检验 VLM 在交互式视觉环境中的决策能力，并暴露感知强而推理弱的失效模式。