蚂蚁 VisSearch-Bench：最强多模态智能体仅完全解决 26.47% 视觉搜索任务
antgroup · hf · 2026-11-06
清华大学、蚂蚁集团与人大联合发布 VisSearch-Bench，评测多模态智能体在长程视觉搜索任务上的能力。
- 基准包含 204 个人工撰写的任务，覆盖 7 大领域、25 个子域，任务类型包括集合式视觉搜索、序列式视觉搜索、宽-深混合搜索、竞争性视觉消歧与视觉结构引导搜索。
- 核心聚焦「视觉上下文管理」：智能体需将物体外观、局部细节或空间关系与外部检索信息结合，而非仅用图片识别实体后转文本检索。
- 每个任务提供参考答案、可溯源证据与评分规则，用 Accuracy 衡量完整任务成功，并用 Process Score 评估过程。
- 结果显示：即便最强的系统也只能完全解决 26.47% 的任务，说明多模态智能体在视觉密集型搜索上仍有巨大差距。
「研究」频道最新
- 密歇根大学 ROB 501 全套 26 讲机器人数学课免费开放 — techNmak · 2026-11-06
- 决策理论讨论：多智能体共享策略网络时，CDT+GT 指数级不确定性如何适用 — jessi_cata · 2026-11-06
- Epoch 研究员激辩：找不到 AI 提升慢的任务，本身就是加速的证据 — Jsevillamol · 2026-11-06
- 「凸包」之争:LLM 会吃掉数学文献内可拼出的定理吗 — notmisha · 2026-11-06
- DeepMind 修复 Softmax 与交叉熵：浮点舍入悄悄吃掉梯度 — jiqizhixin · 2026-11-06
- 圣塔菲研究所长文回顾:基于主体建模如何重塑社会科学 — sebkrier · 2026-11-06