WOVEN 基准：38 个前沿 MLLM 视觉转场推理集体不敌人类

MLL-Lab（西北大学/CMU/UNC/亚马逊）发布 WOVEN，把视觉转场推理作为多模态世界建模的共享训练原语，基准含 36,076 个样本，覆盖 20 种场景、5 类动作和 8 类推理。