HumanSightBench

新的人类视觉感知基准HumanSightBench揭示MLLM在视觉感知方面存在困难

一个新基准HumanSightBench已被开发出来，用于评估多模态大型语言模型（MLLM）的视觉感知能力。该基准包含2,876个视觉问题，这些问题对人类来说很容易，但对模型来说却很有挑战性，并且经过了五个纳入门槛的筛选，以尽量减少歧义和捷径等混淆因素。初步评估显示，即使是表现最好的MLLM在计数等任务上也表现困难，得分低于27.5%，这凸显了与人类感知相比，它们在视觉理解方面存在显著差距。