视觉谜题基准发布:最强前沿模型仅解出 26.7%

Einsia AI 联合 Navers Lab、清华大学发布长时程视觉推理基准 Visual Cipher Bench,包含 40 道原创视觉谜题、67 张黑白线稿,线索全在图中,无题干、无书面规则、无对错反馈。8 个前沿模型测试中,最好成绩仅 26.7% 正确率;仅给一句规则提示后,性能飙升至 51.1%,暴露出模型视觉推理的明显短板。

2026-11-17 ~ 2026-11-17 · 2 条相关