RoTA-Bench, 대화형 투영 정렬로 3D 공간 추론 평가

RoTA-Bench는 2D 관측에서 정밀한 3D 회전 제어로 변환하는 Vision-language model의 능력을 대화형 3D-2D 투영 정렬 과제로 평가하는 벤치마크다. GPT-5.6-Sol의 성공률은 과제의 17%에 그쳐, 학부생 20명이 테스트 집합을 4회 완료했을 때의 성공률 100%와 큰 차이가 난다. 모델은 사람에 비해 같은 상태에서 이미지 겹침은 개선하면서 자세 정렬은 악화시키는 비율이 높았고(19.4% 대 10.9%), 조작 이력을 제외하면 행동의 96.8%가 30도 단위의 거친 단계가 되어 성공률도 크게 떨어진다.