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

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

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 1 条

TOOL · CL_200055 · Aug 14 · 04:00

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…