视觉谜题基准:最强模型仅 26.7% 正确率,一句规则提示飙到 51.1%

机器之心 · wechat · 2026-11-17

EinsiaAI 旗下 NaversLab 发布长程视觉推理基准 VisualCipherBench:40 道原创视觉谜题、67 张黑白线稿,线索全在图里、无题干、无对错反馈,专卡现有评测空白(视觉评测多为单轮问答、Agent 评测几乎全在文本/代码)。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →