研究人员推出了一项名为BENCHMARKNAME的新基准测试，旨在评估多模态AI模型的视觉社交智能。该基准测试包含240个场景，并测试四个角色层面的任务：表情、特征、互动调节和结果。对七个近期多模态大语言模型（MLLMs）的评估显示，尽管模型在角色特定的表情和冲突处理方面表现良好，但在互动调节和视觉基础结果达成方面却面临显著挑战。 AI
影响 该基准测试有望推动具备更强社交理解和互动能力的AI智能体的发展。
排序理由 该集群包含一篇介绍AI能力评估新基准测试的研究论文。[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 →