USC 基准显示 GPT-5.5 主动视觉观察仅得 10.6%
UniversityofSouthernCalifornia · hf · 2026-07-23
ActiveVision 发现多模态模型“主动观察”能力严重不足
来自南加州大学的研究者提出 ActiveVision，一个专门测量多模态大模型是否具备“主动观察”能力的基准。它包含 17 个任务、3 类场景，目标是逼迫模型反复感知，而不是只做一次静态描述。
- 前沿模型在这个基准上表现很差。
- 他们评测中最高分的 GPT-5.5（最高公开推理档）只做对 10.6% 的题目，并且在 17 个任务中的 11 个 上得分为 0。
- Claude Fable 5 也只有 3.5%，虽然它在很多推理和编码榜单上名列前茅。
- 3 位人类参与者的平均成绩则达到 96.1%。
论文还指出，这种差距不是“会不会写代码”那么简单：
- 即便让模型自己写并运行视觉代码，表现依然很差。
- 在真实图像上，这些代码本身也不可靠。
- 而识别这些错误，又需要模型本来就缺乏的主动感知能力。
作者的结论是：当前多模态大模型还不具备稳健的主动视觉观察能力，需要新的架构和训练目标来补上“感知—推理”闭环。
所属事件:新基准 ActiveVision 揭示前沿视觉模型远落后于人类(3 条相关)→
「研究」频道最新
- FLASH 仿真框架：单卡 RTX 5090 上分钟级学会布料折叠 — ChongZzZhang · 2026-10-26
- LEMON 监控器:从注意力图零样本识别未见过的 LLM 幻觉与越狱 — yoavartzi · 2026-10-26
- EMNLP 主题演讲背后：用语言模型「模拟学习者」生成儿童语言习得新假设 — najoungkim · 2026-10-26
- EMNLP 2026 主题演讲背后的论文：用 bigram 模拟语言习得 — najoungkim · 2026-10-26
- 把 DeepLIFT 重写为独立计算图：输入序列直接输出归因结果 — jmschreiber91 · 2026-10-26
- UCLA 论文:扩散精力与接受宽容度双旋钮,拓宽投机解码速度-质量帕累托前沿 — UCLA · 2026-10-26