DecoyCount基准揭示视觉计数推理错位

研究团队发布 DecoyCount 视觉计数基准，用 1,660 张真实图像和七种诱饵机制，配合中性问题、对齐提示、多跳多图问题三种提示，区分计数错误来自感知还是推理。团队称前沿模型在该基准上准确率仍低于 50%，推理与对齐提示之间的差距达 11.8 至 22.1 个百分点，且能力更强的模型、更大的思考预算和智能体流程往往差距更大。研究结论是更强的通用推理不能自动泛化到对齐的视觉推理。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。