三机构发布视觉搜索评测基准

清华大学、蚂蚁集团与中国人民大学联合发布 VisSearch-Bench，用于评测多模态智能体完成长程视觉搜索任务的能力。基准收录204个人工撰写任务，覆盖7大领域和25个子域，并以准确率及搜索过程得分评价完整任务成功情况与搜索过程。 评测显示，当前表现最强的系统也仅完全解决26.47%的任务，反映现有多模态智能体在该类视觉搜索任务中的能力仍较有限。

AI 根据报道生成 · 25 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。