DominoBench 基准:多模态模型难以从静态图预测物理后果
UniversityofSouthernCalifornia · hf · 2026-11-17
USC 团队发布 DominoBench,用多米诺骨牌式连锁装置测试视觉语言与多模态模型从静态图像推理物理结局的能力。例如「如果 A 推球谁会死?」这样的极简对照题:两个场景仅差一格(0.25 方格宽)的配重宽度,结局就完全不同。
结论:当前模型只有在直接提供关键计算和必要数量时,才能较可靠地预测物理结果;否则无法可靠推断连锁动态。
「研究」频道最新
- MazeBench 被「刷榜化」,作者称下一个 AI 检测基准将不公开 — amplifiedamp · 2026-11-17
- 现代语言建模想法大多可在 3B 激活、32K 上下文模型上验证 — willcb · 2026-11-17
- InclusionMed 开源医疗 AI 基准:审计 388 个候选仅选 5 个上榜 — The InclusionMed Collaboration · 2026-11-17
- 腾讯混元发布 Accelerate Bench:16 个编码 Agent 优化 CPU 程序实测 — Tencent-Hunyuan · 2026-11-17
- SWE-CoWork:101 个真实任务测编码 Agent,完整交付率不足 8% — Tokenwave-AI · 2026-11-17
- 方向消融为何失效?Centered Ablation 给出闭式解并大幅提升效果 — knoveleng · 2026-11-17