HardGeoBench 榜首模型 pass@1 突破 50%:无元数据照片定位考验 frontier 模型

Afinetheorem · x · 2026-11-20

Kevin Bryan(多伦多大学、All Day TA)的 HardGeoBench 是一个测试 frontier 模型照片定位能力的基准:照片从未上网发布、无任何元数据、通常没有文字或路标等 GeoGuessr 式提示,且为「纯 LLM」测试——不允许联网搜索或工具调用。

最新结果:

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →