CurveBench：嵌套 Jordan 曲线精确拓扑推理的基准

我们引入 CurveBench，这是根据视觉输入进行分层拓扑推理的基准。 CurveBench 由成对不相交 Jordan 曲线的 \textbf{756 图像}组成，跨越简单、多边形、地形启发、迷宫式和密集计数配置。每个图像都用编码平面区域之间的包含关系的有根树进行注释。我们将任务表述为结构化预测：给定图像，模型必须恢复由曲线引起的全根包含树。尽管该任务在视觉上很简单，但最强的评估模型 Gemini 3.1 Pro 在 CurveBench-Easy 上仅达到 \textbf{71.1\%} 树生成精度，在 CurveBench-Hard 上仅达到 \textbf{19.1\%} 。我们通过开放权重视觉语言模型的 RLVR 式 微调 进一步展示基准实用程序。我们经过训练的 Qwen3-VL-8B 模型在 CurveBench-Easy 上将 \texttt{Qwen-3-VL-8B-Thinking} 的树生成精度从 \textbf{2.8\%} 提高到 \textbf{33.3\%}，在我们的评估协议下超过了 GPT-5.4 和 Claude Opus 4.5。剩下的差距，特别是在 CurveBench-Hard 上，表明精确的拓扑感知视觉推理仍然远未解决。