视觉模型格式塔分组能力评估：45个模型在四任务中人类对齐度测试

针对45个视觉模型进行格式塔分组测试，发现人类对齐度比基准准确率更能反映感知组织能力。 该测试涵盖标记颜色异常、计数、剪影识别等四任务，揭示多个闭源模型的对齐度远低于其基准分数预期。 为可视化研究提供了无需新用户研究的模型审计工具。