OST-Bench، الذي أصدره مختبر الذكاء الاصطناعي في شنغهاي عام ٢٠٢٥ بالتعاون مع جامعة شنغهاي جياو تونغ وجامعة هونغ كونغ ومؤسسات أخرى، هو مجموعة بيانات تُستخدم لتقييم قدرات فهم المشهد المكاني الزمني عبر الإنترنت للنماذج الكبيرة متعددة الوسائط. عنوان البحث ذي الصلة هو "OST-Bench: تقييم قدرات MLLMs في فهم المشهد المكاني الزمني عبر الإنترنتالهدف هو تقييم قدرات الفهم الشاملة للنماذج الكبيرة متعددة الوسائط في استكشاف المشهد عبر الإنترنت، ونمذجة المعلومات المرئية، ومهام التفكير المكاني الزمني.

تتضمن هذه المجموعة حوالي 1400 مشهد ثلاثي الأبعاد داخلي واقعي، مما يُنتج حوالي 10000 عينة من الأسئلة والأجوبة الزمنية متعددة الأدوار بناءً على عملية استكشاف المشهد. تم الحصول على المشاهد من ScanNet وARKitScenes وMatterport3D، وعُولجت باستخدام كائنات ثلاثية الأبعاد موحدة وتعليقات دلالية. يُبنى مسار استكشاف مستمر لوجهة النظر داخل كل مشهد، ويُولّد محتوى الأسئلة والأجوبة المقابل بناءً على المعلومات المرئية المتراكمة. يغطي تصميم المهمة ثلاثة اتجاهات فهم أساسية: حالة العامل، والمعلومات المرئية، والعلاقات المكانية بين العامل والعنصر، مُحسّنة في 15 مهمة فرعية مُقدمة بتنسيق حوار متعدد الأدوار، مما يتطلب من النموذج إجراء استدلال مكاني زمني عبر الإنترنت بناءً على الملاحظات التاريخية ومجال الرؤية الحالي.