Robot-Centric MindPower Reasoning on MindPower Image-input (test) benchmark leaderboard · SOTA2 Research

Robot-Centric MindPower Reasoning on MindPower Image-input (test)

0.3307Perception (BERTScore)GPT-4o

Evaluation Results

Method	Links
GPT-4o2025.11		0.3307	0.4837	0.3005	0.3947	0.3116	0.3275	0.1616	0.2955	0.1996	0.3435	1.82	2.91	8.05
Qwen2.5-VL-7B-Instruct2025.11		0.2489	0.3997	0.1946	0.2921	0.2259	0.1914	0.168	0.2349	0.1911	0.2379	0.15	0.15	6.72
LLaVA-OV-8B2025.11		0.0808	0.2645	0.1509	0.2321	0.2231	0.214	0.1621	0.1958	0.1711	0.2125	0	0	6.45
InternVL3.5-8B2025.11		0.0643	0.1878	0.1571	0.2077	0.193	0.1738	0.1397	0.1972	0.1262	0.1877	0	0	5.95