# 交互式视觉训练场

Salesforce AI Research 发布 Interactive Visual Gym（IVG），把视觉 AI 助手的评测从被动观看预录视频改成闭环仿真：助手看用户的实时画面并给出语音提示，模拟用户会据此改变动作。配套的 IVG-Bench 覆盖三个操作环境中的 315 个复杂场景，评测 14 个视觉助手，其中最强的 Gemini 4 Argon 在三环境平均的限时任务成功率只有 53.4%。在早期概念验证中，用该仿真器训练的开源模型 Gwen 3.5-4B 在训练中从未见过的新任务上成功率从 33.3% 升到 42.2%。

Salesforce AI Research 发布 Interactive Visual Gym（IVG），把视觉 AI 助手的评测从被动观看预录视频改成闭环仿真：助手看用户的实时画面并给出语音提示，模拟用户会据此改变动作。配套的 IVG-Bench 覆盖三个操作环境中的 315 个复杂场景，评测 14 个视觉助手，其中最强的 Gemini 4 Argon 在三环境平均的限时任务成功率只有 53.4%。在早期概念验证中，用该仿真器训练的开源模型 Gwen 3.5-4B 在训练中从未见过的新任务上成功率从 33.3% 升到 42.2%。