实体
SciFigBench
SciFigBench
PulseAugur coverage of SciFigBench — every cluster mentioning SciFigBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准旨在提升AI对科学图表和历史文献的理解能力
研究人员推出了两个旨在提高AI模型理解能力的新基准。SciFigBench专注于使视觉语言模型能够解读复杂的科学方法图，解决了密集内容感知和信息流的局限性。LongHisDoc则面向大型语言和视觉语言模型，用于理解中文历史长文档，揭示了当前模型在需要多模态证据整合的任务中存在显著的性能差距。
-
新的基准测试 SciFigBench 旨在通过误导性科学图表测试 VLM 的可靠性
一项名为 SciFigBench 的新基准测试已被开发出来，用于评估视觉语言模型（VLM）在面对不完整或误导性科学图表时的行为可靠性。该基准测试评估感知、推理和行为方面，包含来自 250 张图表的 34,000 多个评估设置。还引入了容纳-抵抗-推断（A-R-I）框架，用于衡量模型在承认不确定性、抵抗误导性信息和谨慎推断方面的能力。结果表明，尽管 GPT-5.2 在描述质量和推理方面表现出色，但它经常出现幻觉，而 Gemini 3.1…