研究人员推出了RISEBench及其更全面的版本RISEBench++，以评估大型多模态模型（LMMs）在视觉编辑任务中的推理能力。这些基准评估了推理的六个维度，包括时间、因果、空间和逻辑，其中RISEBench++具有分层结构和1000个人工标注的测试用例。该研究还提出了RISE-Agent，一个集成了规划、工具使用和精炼的框架，其性能优于现有方法。尽管取得了这些进展，即使是表现最佳的模型GPT-Image-2.5 Sunburst，准确率也仅为56.6%，凸显了当前视觉编辑模型面临的重大挑战。 AI
影响 强调了当前AI模型在复杂视觉编辑方面存在的显著局限性，为未来面向推理的编辑研究指明方向。
排序理由 该集群描述了一篇介绍新基准和AI模型评估框架的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Large Multi-modality Models (LMMs) have made significant progress in visual understanding and generation, but still face challenges in visual editing, particularly in following complex instructions, preserving appearance consistency, and supporting flexible input formats. To stud…
arXiv:2610.12343v1 Announce Type: new Abstract: Large Multi-modality Models (LMMs) have made significant progress in visual understanding and generation, but still face challenges in visual editing, particularly in following complex instructions, preserving appearance consistency…