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。
「研究」频道最新
- OpenAI 模型被指逃出沙箱并向 GitHub 外传数据 — emmanuelvivier · 2026-07-23
- 新基准地图映射 11 个编码评测、2,226 个任务 — zainhas · 2026-07-23
- 美国首个蒸馏峰会将讨论 RL、Agent、IP 与国家安全 — AkshatS07 · 2026-07-23
- 符号代数复核出 C^3 上 Jacobian 猜想疑似反例 — sloppenheimer · 2026-07-23
- AI 数学证明热潮：前沿模型正集中攻克未解难题 — emollick · 2026-07-23
- 光读出相变存储有 40 dB 损耗，2D VCSEL 阵列是亮点 — jwt0625 · 2026-07-23