普林斯顿团队发布 SSoN 基准:最强视觉模型空间一致性仅 39.7%,人类 83.3%

jiqizhixin · x · 2026-11-23

普林斯顿 AI Lab 主导的团队在 arXiv 发布 Same Space or Not(SSoN)基准,测试模型能否判断多张图片是否描述同一个一致空间。每题给出同一室内场景的三个视图加一个受控编辑视图,模型需找出矛盾视图并给出有效视觉解释,且无指定参照图。数据集含 1000 道题,来自 7 个场景源和 6 类编辑,经自动筛查与人工验证。结果:人类准确率 83.3%,最强视觉语言模型仅 39.7%;若要求给出有效的视觉解释,成绩进一步降到 34.9%,说明模型常是选中正确选项却给不出充分依据。配图对比了 GPT-6 Astra Pro、GPT-5.6 Sol Pro、Gemini 3.5 Flash、Claude Fable 5 等模型的「真正解决」与「部分猜对」比例。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →