VisSearch-Bench：多模态智能体长时程视觉搜索基准

VisSearch-Bench 发布 204 个人工编写任务，涵盖 7 大领域，旨在评估多模态智能体在视觉密集任务中的视觉上下文管理能力。 该基准测试了 16 种多模态模型，要求结合物体外观、局部细节、空间关系与外部信息，最佳系统仅完全解决 26.47% 的任务。 现有系统难以将视觉证据与搜索结果有效关联，凸显了长时程视觉搜索在完整回答生成方面的挑战。