ShadowBench 基准：VLM 判断影子物理一致性几乎全靠猜

ShadowBench 基准显示，视觉语言模型在判断影子与场景的物理一致性上几乎跌至随机水平，仅 Gemini-3.1-pro 略超随机（63% 对随机 50%），远低于人类的 91%。