Vansh Bhatia等发布PRISM-BENCH基准
热点事件持续更新
Vansh Bhatia等发布PRISM-BENCH基准
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月28日，Vansh Bhatia等人在arXiv发布PRISM-BENCH，该基准包含1000个由专家策划的问题，涵盖五个缺乏代表性的推理类别，用于诊断视觉语言模型推理的groundedness与faithfulness。 在25个系统和封闭系统（包括GPT-5和Claude Opus 4.6）的测试中，感知探针显示约85%的失败源于感知错误，trace alignment预测答案准确性的macro AUROC达0.66，最佳准确率仅为66.0%。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
PRISM-BENCH：诊断超越最终答案准确性的基于证据的多模态推理报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · NLPPRISM-BENCH：诊断超越最终答案准确性的基于证据的多模态推理
PRISM-BENCH 包含 1000 个由专家策划的问题，用于诊断视觉语言模型推理的 groundedness 与 faithfulness。在 25 个系统测试中，感知探针显示约 85% 的失败源于感知错误，trace alignment 预测答案准确性的 macro AUROC 达 0.66。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。