跳到正文
arXiv · ML· Shicheng Liu, Adam Kahirov, Qi Zhang, Zhimin Hu, Song Wang, Junhong Lin, Julian Shun, Yada Zhu·· 2026-10-05AI 评分31

VisAudit:评估多模态智能体进行视觉诊断与修复的基准测试

VisAudit: Evaluating Multimodal Agents for Visual Diagnosis and Repair

AI 导读

研究人员推出 VisAudit 基准测试,用于评估多模态智能体在图表渲染中的缺陷诊断、代码修复及验证能力。该基准包含 1,900 个带缺陷样本、300 个初始正确图表,覆盖 21 种图表类型及 10 种缺陷类别。实验显示,最强模型在自主修复任务中仅能完全恢复 47.4% 的有缺陷图表,暴露出自主审查能力的显著不足。

来源:arXiv · ML · arxiv.org