BABA-is-AI 测试：MIT 等团队 2024 年提出的多模态 LLM 短板在 agentic swarm 时代是否仍成立

2024 年发表于 ICML 的论文测试了 GPT-4o、Gemini-1.5-Pro 和 Gemini-1.5-Flash 三款多模态大语言模型，发现它们在需要操纵和组合游戏规则的 BABA-is-You 钥匙门谜题上表现糟糕，作者来自 MIT 和 Virginia Tech。