HuggingFace Daily Papers（社区热门论文）·· 2026-07-17精选AI 评分73
ActiveVision 基准测试揭示多模态大模型缺乏主动视觉观察能力
An Exam for Active Observers
AI 导读
最新基准测试 ActiveVision 通过 17 项任务评估多模态大语言模型（MLLM）的主动观察能力。得分最高的 GPT-5.5（最高推理层级）仅解决 10.6% 的任务，在 11 项任务上得零分；Claude Fable 5 仅解决 3.5%，而三名人类参与者平均得分 96.1%。即使模型自行编写并运行视觉代码，差距依然显著，表明当前 MLLM 缺乏鲁棒的主动视觉观察能力。
推荐理由
前沿多模态模型在需要反复观察的任务上几乎全部翻车，最高分模型只做对 10%，人类 96%，说明现在的大模型不是真在看，而是在猜。做视觉的人应该认真看这篇。
来源：HuggingFace Daily Papers（社区热门论文） · arxiv.org