Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

LEGO-Puzzles: How Good Are MLLMs at Multi-Step Spatial Reasoning?

Created by
  • Haebom

저자

Kexian Tang, Junyao Gao, Yanhong Zeng, Haodong Duan, Yanan Sun, Zhening Xing, Wenran Liu, Kaifeng Lyu, Kai Chen

개요

본 논문은 다단계 공간 추론 능력을 평가하기 위해 레고 조립 과제를 기반으로 한 새로운 벤치마크인 LEGO-Puzzles를 제시합니다. LEGO-Puzzles는 1,100개의 시각적 질의응답(VQA) 샘플과 레고 이미지 생성 과제로 구성되어 있으며, 다양한 수준의 공간 이해 및 순차적 추론 능력을 평가합니다. 최첨단 다중 모달 대형 언어 모델(MLLM)들을 LEGO-Puzzles를 이용하여 평가한 결과, 대부분의 MLLM들이 공간 추론 능력에서 상당한 한계를 보이는 것을 발견했습니다. 인간 참가자의 정확도가 90%를 넘는 반면, MLLM들은 절반 정도의 정확도만을 보였습니다. 특히, 레고 조립 설명서를 따른 이미지 생성 과제에서는 Gemini-2.0-Flash와 GPT-4o만이 제한적인 성공을 거두었습니다. 결론적으로, LEGO-Puzzles는 기존 MLLM의 공간 이해 및 순차적 추론 능력의 부족을 보여주며, 다중 모달 공간 추론 분야의 추가적인 발전이 필요함을 강조합니다.

시사점, 한계점

시사점:
다중 모달 대형 언어 모델(MLLM)의 공간 추론 능력에 대한 종합적인 평가를 위한 새로운 벤치마크(LEGO-Puzzles) 제시.
최첨단 MLLM들의 공간 추론 능력의 한계를 명확히 제시. 인간 수준의 성능과의 큰 차이를 보임.
MLLM의 시각-언어적 이해 및 순차적 추론 능력 향상을 위한 연구 방향 제시.
복잡한 실세계 문제 해결을 위한 MLLM의 발전 방향 제시 (로봇 조작, 자율 주행, 자동 조립 등).
한계점:
LEGO-Puzzles 벤치마크가 레고 조립이라는 특정 도메인에 국한되어 일반적인 공간 추론 능력을 완전히 포괄하지 못할 수 있음.
평가에 사용된 MLLM의 종류가 제한적일 수 있음. 다양한 모델과 아키텍처에 대한 평가가 추가적으로 필요함.
레고 이미지 생성 과제에서의 MLLM 성능이 상대적으로 저조하여, 이미지 생성 능력과 공간 추론 능력 간의 상관관계에 대한 추가 연구가 필요함.
👍