VSI-Bench (Visual-Spatial Intelligence Benchmark) ist ein visuell-räumlicher Intelligenz-Benchmark-Testsatz, der 2024 von Fei-Fei Li, Sai-Ning Xie und ihrem Forschungsteam eingeführt wurde. Ziel ist es, die Fähigkeit multimodaler großer Sprachmodelle (MLLMs) zur räumlichen Wahrnehmung und zum räumlichen Verständnis zu bewerten. Die relevanten Papierergebnisse sind "Denken im Raum: Wie multimodale große Sprachmodelle Räume sehen, sich merken und abrufenDer Datensatz enthält mehr als 5.000 Frage-Antwort-Paare, die fast 290 reale Videos von Innenaufnahmen aus verschiedenen Umgebungen wie Wohnhäusern, Büros und Fabriken abdecken und verschiedene Themen wie Objekterkennung, Positionsbeziehungen und Aktionsvorhersage behandeln. Diese vielfältige Datenstruktur hilft nicht nur beim Trainieren robusterer Modelle, sondern bietet Entwicklern auch umfangreiche Ressourcen zur Algorithmusüberprüfung und -optimierung.