**AgentVQA：首个统一代理视觉理解基准，揭示 VLM 跨领域短板**

_AgentVQA: A Unified Benchmark for Agentic Visual Understanding_

> 针对现有代理视觉理解基准碎片化且难以扩展的问题，研究团队推出了 AgentVQA 离线基准。该基准整合了来自 23 个数据源的 1000 个真实世界代理场景，涵盖 Web 代理、机器人、第一人称视频、游戏及空间规划五大领域。评估显示，当前 22 个模型的最佳准确率仅为 58.5%，且错误主要源于无法准确定位 UI 元素、理解运动及追踪状态变化等视觉 grounding 问题，而非任务理解或逻辑推理缺陷。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31494)