今日焦点
新基准测试证实 AI 模型视觉感知能力仍不佳
- 发生了什么
- Moonshot AI 发布新基准测试 PerceptionBench,用于评估多模态 AI 模型的视觉感知能力,独立于逻辑推理。结果显示,目前没有任何前沿模型达到 60% 的准确率,GPT-5.6 Sol 以微弱优势领先。许多原本被认为是推理错误的案例,实际在图像读取阶段就已出现。
- 为什么值得看
- 此前评估多模态模型时,常将错误归因于推理环节。PerceptionBench 将视觉感知与逻辑推理分离,揭示多数错误发生在早期图像读取阶段,这改变了人们对模型能力瓶颈的认知,有助于更精准地定位和解决基础感知问题。