GGBench : Un benchmark de raisonnement génératif géométrique pour les modèles multimodaux unifiés
GGBench: A Geometric Generative Reasoning Benchmark for Unified Multimodal Models
November 14, 2025
papers.authors: Jingxuan Wei, Caijun Jia, Xi Bai, Xinglong Xu, Siyuan Li, Linzhuang Sun, Bihui Yu, Conghui He, Lijun Wu, Cheng Tan
cs.AI
papers.abstract
L'avènement des modèles multimodaux unifiés (UMM) marque un changement de paradigme dans l'intelligence artificielle, passant d'une perception passive à une génération active et transmodale. Malgré leur capacité sans précédent à synthétiser l'information, une lacune critique persiste dans l'évaluation : les benchmarks existants évaluent principalement séparément la compréhension discriminative ou la génération d'images non contrainte, sans mesurer le processus cognitif intégré du raisonnement génératif. Pour combler cette lacune, nous proposons que la construction géométrique constitue un banc d'essai idéal, car elle exige intrinsèquement une fusion de la compréhension langagière et de la génération visuelle précise. Nous présentons GGBench, un benchmark conçu spécifiquement pour évaluer le raisonnement génératif géométrique. Il offre un cadre complet pour diagnostiquer systématiquement la capacité d'un modèle non seulement à comprendre et à raisonner, mais aussi à construire activement une solution, établissant ainsi une norme plus rigoureuse pour la prochaine génération de systèmes intelligents. Site web du projet : https://opendatalab-raiser.github.io/GGBench/.
English
The advent of Unified Multimodal Models (UMMs) signals a paradigm shift in artificial intelligence, moving from passive perception to active, cross-modal generation. Despite their unprecedented ability to synthesize information, a critical gap persists in evaluation: existing benchmarks primarily assess discriminative understanding or unconstrained image generation separately, failing to measure the integrated cognitive process of generative reasoning. To bridge this gap, we propose that geometric construction provides an ideal testbed as it inherently demands a fusion of language comprehension and precise visual generation. We introduce GGBench, a benchmark designed specifically to evaluate geometric generative reasoning. It provides a comprehensive framework for systematically diagnosing a model's ability to not only understand and reason but to actively construct a solution, thereby setting a more rigorous standard for the next generation of intelligent systems. Project website: https://opendatalab-raiser.github.io/GGBench/.