HSS评测多模态模型直觉视觉推理

Xingang Guo等作者基于论文摘要提出HSS基准，用图像和视频测试模型推断隐含时间、空间、社会及抽象结构的能力；初步结果显示，参与者准确率为93.1%，而受测模型中最强的GPT-6-astra在最高推理强度下为53.6%。 HSS为每项材料配有人工编写的提示，并按结构化分类组织。作者还探索了通过动态视觉操控处理任务的Agentic方案，其结果缩小了模型差距，但未完全弥合。该测试目前依据论文摘要，尚不代表独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。