跳到正文
Latent Space· Richard MacManus·· 21 天前AI 评分46

前沿模型能识破视觉诱饵吗?Elorian 测试视觉推理能力

Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning

AI 导读

Elorian 与 Mercor 联合推出视觉推理基准 DecoyCount,测试模型能否排除视觉诱饵、正确计数。前沿模型准确率均低于50%,GPT-6 Astra 以43.17%居首,Glimpse 内部测试为50.48%。Glimpse 仅运行一次,论文中的其他模型则取三次运行均值,评测条件存在差异。

来源:Latent Space · latent.space