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 기반 시각적 질의응답(VQA) 벤치마크인 LEGO-Puzzles를 제안합니다. LEGO-Puzzles는 11가지 다양한 작업으로 구성된 1,100개의 샘플을 포함하며, 기본적인 공간 이해부터 복잡한 다단계 추론까지 다양한 수준의 문제를 다룹니다. 논문에서는 20개의 최첨단 다중 모달 대규모 언어 모델(MLLM)을 LEGO-Puzzles를 이용해 평가하여, MLLM의 공간 추론 능력에 상당한 한계가 있음을 밝힙니다. 인간 참가자의 정확도가 90%를 넘는 반면, 최고 성능의 MLLM도 절반 정도의 정확도만 보였습니다. 또한, MLLM의 공간 이해 및 추론 능력을 이미지 생성 과제에 적용하여 평가하였으며, GPT-4o와 Gemini-2.0-Flash만 제한적인 성능을 보였습니다. 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:
◦
LEGO-Puzzles는 MLLM의 다단계 공간 추론 능력을 평가하는 새로운 벤치마크를 제공합니다.
◦
최첨단 MLLM의 공간 추론 능력에 대한 중요한 한계를 밝혀냈습니다.
◦
MLLM의 공간 추론 능력을 이미지 생성에 적용하는 새로운 연구 방향을 제시합니다.
◦
다중 모달 공간 추론 분야의 발전 방향을 제시합니다.
•
한계점:
◦
LEGO-Puzzles는 레고를 기반으로 하므로, 실제 세계의 다양한 공간적 상황을 완벽하게 반영하지 못할 수 있습니다.
◦
평가 대상 MLLM이 제한적일 수 있습니다.
◦
이미지 생성 과제에서의 성능 평가가 제한적입니다.
👍
Made with Slashpage