多模态大型语言模型（MLLMs）结合了语言模型的语言优势和处理多模态数据的能力，使其能够解决更广泛的视觉任务。由于MLLMs旨在实现比仅语言模型更一般化的人类能力，研究灵感来源于韦氏智力量表，这是一种通过可解释和可测试的能力来评估儿童智力的成熟工具。KidGym是一个全面的2D网格基准，旨在评估MLLMs的五项基本能力：执行、感知推理、学习、记忆和规划。该基准包含12个独特任务，每个任务针对至少一...