PhysToolBenchは、香港科技大学（広州）が香港科技大学、北京航空航天大学などの研究機関と共同で2025年に公開した視覚言語質問応答（VQA）データセットです。関連する研究論文のタイトルは「…」です。PhysToolBench: MLLM 向け物理ツール理解のベンチマークこの研究の目的は、マルチモーダル大規模言語モデル (MLLM) が物理的なツールを識別、理解、作成する能力を評価することです。

このデータセットには、日常生活、産業、屋外活動、専門環境など、様々なシナリオを網羅した1,000以上の画像とテキストのペアが含まれています。難易度は「簡単」「中」「難しい」の3段階に分かれています。タスク構造は以下のとおりです。

• ツールの作成
• ツール認識
• ツールの理解