NTU/CMU/Berkeley 发布 VBVR-Pro:300 项可验证视觉推理任务基准
jiqizhixin · x · 2026-09-29
「原生视觉推理」(Native Visual Reasoning)正在受到关注:语言不再是唯一路径,模型可以直接感知、探索和更新视觉空间。但进展面临三个关键问题:
- 用什么任务训练模型进行视觉推理?
- 如何判断模型生成的图像/视频是否正确?
- 哪种模态(图像、视频、图文交错)最适合视觉推理?
没有可验证奖励,训练循环就没有可靠信号。NTU、CMU、Berkeley 等机构合作推出 VBVR-Pro(A Scalable and Verifiable Suite for Native Visual Reasoning),论文、数据、模型和代码全部开源。该套件定义了 300 个覆盖不同能力与复杂度的视觉推理任务,用其中 100 个构建基准,并为每个任务提供可验证的评分器,同时构建了 125 万条高质量训练样本。在匹配数据量下训练的模型……(原文截断)
所属事件:52 位学者发布 VBVR-Pro 视觉推理基准(3 条相关)→
「多模态」频道最新
- Seedance 2.5 flash 用两张随机图生成打斗大片,作者公开提示词 — aziz4ai · 2026-11-16
- Runway CEO 预测:全 AI 生成的文化现象级作品 2027 年前出现 — c_valenzuelab · 2026-11-16
- 动态模糊人像 AI 作品:暗调光影拍出胶片质感 — azed_ai · 2026-11-16
- 包豪斯功能主义风格 prompt 模板,一键出几何海报感 — LudovicCreator · 2026-11-16
- Vivix W1 视频模型升级:5 美元批量生成 100 条 10 秒广告视频 — Aiden_Tech_Ai · 2026-11-16
- 网友晒 Qwen 4 Max 生成珊瑚礁作品,模型名尚未官方发布 — intellectronica · 2026-11-16