arXiv · cs.AI · ZhengXian Wu, Qianhao Nie, Zhuohong Chen, Junjie Gao, Yuyao Zhang, Yunyao Yu, Hangrui Xu, Cheng Cheng, Guiyu Ma, Jin Zhang, Xingzhong Xu, Kai Yang, Haoqian Wang · 6 小时前模型评分46
VisSearch-Bench：评估多模态智能体的长程视觉搜索能力
VisSearch-Bench: Evaluating Long Horizon Visual Search in Multimodal Agents
导读
研究者提出 VisSearch-Bench，用 204 个人工编写任务评估多模态智能体的视觉上下文管理能力，覆盖 7 个主领域、25 个子领域和五类视觉搜索任务。在 16 个多模态模型中，即使配备搜索工具，最佳系统也仅完整解决 26.47% 的任务。该基准同时用准确率和过程分数衡量结果正确性与子问题回答的完整性。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We introduce VisSearch-Bench, with 204 human-written tasks across 7 main domains and 25 subdomains.”
来源：arXiv · cs.AI · arxiv.org