LogiScope-VQA

新的LogiScope-VQA基准显示，在工业危险识别方面，大型多模态模型（LMMs）的表现落后于人类

一个名为LogiScope-VQA的新基准数据集已被开发出来，用于评估大型多模态模型（LMMs）在工业环境中识别物流危险的能力。该数据集包含图像、视频和视觉问答（VQA）对，并被用于测试GPT-5.5、Gemini-3.1 Pro和Claude Opus 4.7等知名模型。实验表明，这些先进模型在危险识别的感知、理解和推理方面仍未达到人类水平，凸显了显著的改进空间以及阻碍实际部署的安全偏见。