蚂蚁 VisSearch-Bench：最强多模态智能体仅完全解决 26.47% 视觉搜索任务

清华大学、蚂蚁集团与中国人民大学联合发布 VisSearch-Bench，评测多模态智能体在长程视觉搜索任务上的能力。基准包含 204 个人工撰写任务，覆盖 7 大领域和 25 个子域，采用 Accuracy 和 Process Score 评估完整任务成功与搜索过程；结果显示，即便最强系统也仅完全解决 26.47% 的任务。