加载中…
加载中…
Techub News 消息，AI 初创公司 Scale AI 与 Elorian 联合发布名为 Humanity's Sixth Sense 的多模态模型基准测试，用于衡量 AI 模型对视觉场景隐含信息的推理能力。该基准包含 522 个问题，涵盖 288 张图片和 234 段短视频，问题分为时间因果、物理空间、社会理解及抽象推理四类。 测试结果显示，人类基线得分高达 93.1 分。当前表现最佳的 AI 系统 GPT-6 Astra 得分仅为 53.6 分，而中国开源模型表现更差，如 GLM-5.3-flash 得分为 26.8 分。研究指出，AI 最常见的错误是遗漏决定答案的细节（21%的失败案例）以及错误识别物体、人物或角色（20%）。（Import AI）
如您认为本页面（或本平台）内容存在侵权或违规情形，请您在发现之日起尽快与我们联系，并提供：权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式：creator@techub.news
商务合作：contacting@techub.news
点击链接下载 Techub News App，获取最新讯息：
https://www.techub.news/download
（或扫描下方二维码下载）
本网站所提供的所有信息仅供参考之用。
本网站不保证信息的准确性、有效性、及时性和完整性。
任何依赖于本网站所提供信息的行为，均由用户自行承担风险。
Techub News 消息，AI 初创公司 Scale AI 与 Elorian 联合发布名为 Humanity's Sixth Sense 的多模态模型基准测试，用于衡量 AI 模型对视觉场景隐含信息的推理能力。该基准包含 522 个问题，涵盖 288 张图片和 234 段短视频，问题分为时间因果、物理空间、社会理解及抽象推理四类。 测试结果显示，人类基线得分高达 93.1 分。当前表现最佳的 AI 系统 GPT-6 Astra 得分仅为 53.6 分，而中国开源模型表现更差，如 GLM-5.3-flash 得分为 26.8 分。研究指出，AI 最常见的错误是遗漏决定答案的细节（21%的失败案例）以及错误识别物体、人物或角色（20%）。（Import AI）
如您认为本页面（或本平台）内容存在侵权或违规情形，请您在发现之日起尽快与我们联系，并提供：权利人姓名/名称及联系方式、被侵权作品名称及权属证明、具体侵权链接及情况说明。我们在核实后将及时处理相关内容。
联系方式：creator@techub.news
商务合作：contacting@techub.news
点击链接下载 Techub News App，获取最新讯息：
https://www.techub.news/download
（或扫描下方二维码下载）
本网站所提供的所有信息仅供参考之用。本网站不保证信息的准确性、有效性、及时性和完整性。任何依赖于本网站所提供信息的行为，均由用户自行承担风险。
