新基准与纠错框架提升GUI三维装配任务表现，但纠错仍可能引入新错误。
资讯摘要
论文提出MAGAR-Bench，一个包含26个装配家族、4000个多模态样本的基准，将任务拆分为装配决策、原子动作与最小返工三部分；返工以验证后恢复候选集中被移动的不同零件数计量，而非动作数。作者还提出MAGAR选择性纠错框架，基于监督微调得到的冻结策略，按输出依赖关系匹配纠错粒度，并用学习到的选择器在候选未达任务阈值时保留原预测。作者报告在留出装配家族上Overall由37.50升至41.39，三项任务均有提升；209次干预中70次纠正错误、22次引入错误。
要点速读
- MAGAR-Bench含26个装配家族、4000个多模态样本，分离装配决策、原子动作与最小返工三项任务。
- 返工指标统计验证后恢复候选集中被移动的不同零件数，而非动作次数。
- 作者报告Overall从37.50提升至41.39；209次干预中70次纠正错误、22次引入错误。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。