English(EN) VisualWorldBench: A Fine-Grained Multi-Task Benchmark for Evaluating Visual World Knowledge in MLLMs

新基准VisualWorldBench挑战多模态大语言模型在细粒度视觉知识方面的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员推出了VisualWorldBench，一个旨在更严格地评估多模态大语言模型（MLLMs）视觉世界知识的新基准。现有基准因其类别覆盖范围狭窄以及允许模型通过肤浅理解就能成功的任务而受到批评。VisualWorldBench通过使用跨越八个领域、包含超过21,000个叶节点类别的分层分类法，并构建需要精确区分细粒度实体的任务来解决这些局限性。实验表明，即使是表现最佳的闭源模型在该基准上的平均准确率也仅为80.4%，凸显了显著的能力差距。 AI

影响该基准有望通过推动多模态大语言模型发展更深入、更精确的视觉理解能力，从而使其更加强大。

排序理由该集群描述了一篇介绍用于评估AI模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

新基准VisualWorldBench挑战多模态大语言模型在细粒度视觉知识方面的能力

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇介绍用于评估AI模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Chen Chen, Zheming Liang, Jiaqi Wang · 2026-10-15 04:00

VisualWorldBench：一个用于评估多模态大模型视觉世界知识的细粒度多任务基准

arXiv:2610.20083v1 Announce Type: new Abstract: Visual world knowledge is a core capability of multimodal large language models (MLLMs), underpinning knowledge-intensive visual question answering and fine-grained visual reasoning. However, existing benchmarks remain limited in tw…

本文如何被排名

报道来源 [1]

VisualWorldBench：一个用于评估多模态大模型视觉世界知识的细粒度多任务基准

相关实体

相关话题