研究人员推出 VisAnalog，这是一个新的诊断套件，旨在评估视觉模型在不同图像和变换之间迁移概念的能力。该基准测试包含 617 个经过人类验证的问题，通过旋转、翻转和颜色变化等步骤测试模型识别和操纵视觉属性的能力。对各种视觉语言模型的初步测试显示，与人类表现相比，准确率显著降低，尤其是在变换复杂度增加的情况下，这表明关系推理是主要瓶颈。 AI
影响 引入了一个新的基准，用于识别视觉概念迁移中的弱点，可能指导未来模型开发。
排序理由 该集群包含一篇介绍用于评估 AI 模型的新基准的学术论文。[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 →