Latent Space· Richard MacManus·· 14 小时前AI 评分49
Elorian 用 DecoyCount 基准测试前沿模型的视觉推理能力
Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning
AI 导读
Elorian 联合 Mercor 发布 DecoyCount 基准，测试语言模型是真正数物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高的 GPT-6 Astra 为 43.17%。
来源：Latent Space · latent.space