Epoch AI 发布家具组装基准 Furniture Assembly Benchmark，人类平均得分 63%

Epoch AI 推出家具组装基准 Furniture Assembly Benchmark，用 60 张 IKEA 家具组装照片测试模型能否发现装配错误并定位出错步骤，模型可使用官方手册 PDF、缩放工具和 Python 解释器，每个样本限 80 步。15 名无经验志愿者平均得分 63%，最佳人类成绩 84%，模型按最高推理强度评测，部分模型因不支持图像无法参与。