Spatial Reasoning on MMSI-Bench MindJourney Subset (162 questions) (test) benchmark leaderboard · SOTA2 Research

Spatial Reasoning on MMSI-Bench MindJourney Subset (162 questions) (test)

0.358AccuracyViSA

Evaluation Results

Method	Links
ViSA2025.12		0.358	0.2667	0.2667	0.2667	0.3333	0.4667	0.3333	0.6667	0.1333	0.3333	0.5333	0.3333
MindJourney2025.12		0.3395	0.0667	0.3333	0.2667	0.3333	0.4	0.4	0.5333	0.2	0.3333	0.4	0.5
Random2025.12		0.3333	0.2	0.2667	0.4667	0.2667	0.4	0.3333	0.6	0.1333	0.2667	0.5333	0.1667
Random2025.12		0.3333	0.2	0.2	0.4	0.1333	0.4	0.2	0.5333	0.2667	0.2	0.6667	0.5
Random2025.12		0.3333	0.2667	0.2667	0.4	0.4	0.4	0.4667	0.3333	0.2	0.2	0.5333	0.1667
MindJourney2025.12		0.3272	0.1333	0.1333	0.4	0.4667	0.4667	0.3333	0.6667	0.1333	0.2667	0.3333	0.25
ViSA2025.12		0.3272	0.2	0.2	0.4	0.4	0.4667	0.2667	0.3333	0.2	0.3333	0.4667	0.3333
MindJourney2025.12		0.3272	0.1333	0.2	0.4	0.2667	0.4667	0.2	0.4	0.2	0.3333	0.5333	0.5
MindJourney2025.12		0.3272	0.2	0.2667	0.2667	0.3333	0.4	0.3333	0.3333	0.2	0.2	0.6	0.3333
ViSA2025.12		0.321	0.1333	0.2667	0.5333	0.2667	0.4	0.3333	0.4667	0.2	0.2	0.4667	0.25
ViSA2025.12		0.3148	0.0667	0.2667	0.5333	0.3333	0.3333	0.4	0.6	0.2	0.2	0.4	0.0833
Random2025.12		0.3025	0.2	0.2	0.3333	0.3333	0.4667	0.4	0.4667	0.1333	0.2	0.4667	0.0833
Random2025.12		0.2963	0.2	0.0667	0.4667	0.0667	0.4	0.4	0.4667	0.2	0	0.6667	0.3333
MindJourney2025.12		0.2963	0.1333	0.2	0.3333	0.2667	0.5333	0.2667	0.3333	0.2	0.2	0.5333	0.25
InternVL3-14B2025.12		0.2716	0.1333	0.2	0.3333	0.3333	0.3333	0.2	0.3333	0.1333	0.2667	0.5333	0.1667
MindJourney2025.12		0.2716	0.2	0.1333	0.2	0.3333	0.2	0.4667	0.4	0.1333	0.1333	0.5333	0.25
Random2025.12		0.2716	0.2667	0.2667	0.2667	0.2667	0.4	0.2	0.3333	0.1333	0.0667	0.4667	0.3333
ViSA2025.12		0.2654	0.0667	0.1333	0.3333	0.2	0.2667	0.3333	0.5333	0.1333	0.2	0.4667	0.25
ViSA2025.12		0.2593	0.1333	0.2	0.3333	0.1333	0.3333	0.2	0.2667	0.2	0.0667	0.6667	0.3333