VisSearch-Bench视觉搜索基准发布

1. 13:00
   arXiv · cs.AI

   VisSearch-Bench：评估多模态智能体的长程视觉搜索能力

   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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。