52 位学者发布 VBVR-Pro 视觉推理基准

来自 NTU、CMU、Berkeley 等机构的 50 多位学者(含 Alan Yuille、Dahua Lin、Lvmin Zhang 等)在 arXiv 发布 VBVR-Pro,一套包含 300 项可验证任务的「原生视觉推理」基准与训练集,让模型以图像和视频作为推理过程的一部分,边画边推。团队对比评测了 30 多个模型,含 125 项评测任务,推动语言之外的多模态推理研究。

2026-09-29 ~ 2026-09-29 · 3 条相关