每天听简报,了解最新科技、AI、软件资讯
前沿大模型在没有书面规则的视觉谜题里,规律归纳的准确率只有百分之零点六。 Einsia AI 团队发布了一套名为 Visual Cipher Bench 的新基准,用 40 道原创黑白线稿谜题测试了 8 个主流大模型。 智能体有工具可以用,也能思考一小时,但没有任何文字规则和正误反馈。 结果最好的配置也只解出不到两成七,有三个模型一题都没做出来。 只要在提示词里加上一句话,点明状态表示和更新机制,规律归纳率就从零飙升到八成五以上,说明模型真正的瓶颈是看图找规律,而不是多步推理执行。
进度保存在本设备 · 登录同步