CellTrack-Bench：VLM 显微细胞追踪基准暴露推理短板
biohub · hf · 2026-10-28
Biohub（旧金山）团队发布 CellTrack-Bench，首个评估视觉-语言模型显微细胞追踪能力的基准。细胞追踪类似多目标跟踪（MOT），但对象几乎相同、可分裂且形态快速变化，需要时空层面的细胞动态感知。
基准跨多种成像模态对比 VLM 与专用算法，结果显示通用模型与专用算法间存在明显推理差距——VLM 在这类高度专业化科学任务上的泛化能力仍被质疑。
「研究」频道最新
- AgiBot等发布Rollback:用世界模型回溯决策点改进机器人策略 — agibot-world · 2026-10-28
- SPOT:通过提交顺序预测将扩散语言模型解码加速最高6.8倍 — Eliezer Shlomi · 2026-10-28
- RSI Arena实验:10个AI Agent自主训练模型,最强追平76%基线差距 — RSIArena · 2026-10-28
- HaMo 框架：经验卡片检索+模型渐进适配，破解长程 Agent 持续学习难题 — Zhen Bi · 2026-10-28
- ChronoReplay:解决空间VLM「接口锁定」问题,OST-Bench提升13.41分 — LINs-lab · 2026-10-28
- Together AI研究:最高推理档位成本可达最低档42倍但常无必要 — togethercomputer · 2026-10-28