研究人员推出FIKA-Bench，一个旨在评估AI系统获取未知物体知识能力的新基准，超越了简单的视觉识别。该基准包含311个精心策划的真实世界实例，以避免数据泄露并确保证据接地。评估显示，即使是最先进的大型多模态模型和代理在该任务上也表现不佳，准确率仅为25%左右，这凸显了改进专注于细粒度识别和证据验证的代理设计的必要性。 AI
影响 引入了一个基准，推动AI从识别走向主动知识获取，可能改善对真实世界物体的理解。
排序理由 该集群描述了一篇介绍新AI研究基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
