跳到正文
热点事件持续更新

VisFacor 基准揭示 MLLM 基础视觉能力缺陷

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026 年 10 月 22 日，一项新的研究推出 VisFacor 基准，专门评估多模态大语言模型（MLLM）的基础视觉认知能力。该研究对 GPT、Gemini、LLaMA 和 Qwen 等 39 款前沿模型进行了测试，结果显示最佳模型的得分仅为 55.9%。 测试结果表明，这些模型在心理旋转、空间关系推理等基础任务上普遍表现不佳。研究团队指出，当前模型尚未掌握类人的基础视觉认知能力，这凸显了 MLLM 在底层视觉理解方面存在的显著缺陷。

AI 根据报道生成 · 10 小时前更新

最新进展10月22日 12:00
研究指出 MLLM 在基础视觉能力上存在显著缺陷

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · NLP
    研究指出 MLLM 在基础视觉能力上存在显著缺陷

    研究团队推出 VisFacor 基准，评估了 GPT、Gemini、LLaMA 和 Qwen 等 39 款前沿多模态大语言模型。结果表明最佳模型得分仅为 55.9%，且在心理旋转、空间关系推理等基础任务上普遍表现不佳。研究认为当前模型尚未掌握类人的基础视觉认知能力。

本事件热度走势

可比范围当前
7
可比范围峰值
810月22日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。