发布Frame Evidence多图空间推理基准

Chunxi Luo 等作者在 arXiv 发布 Frame Evidence 基准，用于评估多图像空间推理中参考框架与视觉证据变化对模型的影响。基准包含来自采集和渲染场景的 320 组匹配三元组、共 960 道中文多选题。 初步结果显示模型表现差距明显：在 288 道保留题的 20 种配置上，GPT 三样本设置的单题准确率为 50.00%，但最好的三帧组准确率仅为 5/48（10.42%），由 GPT 两样本设置取得，说明模型在跨多帧整合空间证据方面仍很弱。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。