研究者发布DecoyCount基准：视觉计数错位评估
热点事件持续更新
研究者发布DecoyCount基准：视觉计数错位评估
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Qiuyi (Richard) Zhang 等研究者发布 DecoyCount 基准，用 1,660 张含七种诱饵机制的真实图像及配对提示词，评估视觉语言模型的计数错误究竟源于感知还是推理。论文称前沿模型准确率均低于 50%，推理对齐差距为 11.8–22.1 个百分点。 据该论文分析，更强模型、更大思考预算和智能体流程往往导致更大差距；增加多跳场景文本信息也未提升整体表现。
AI 根据报道生成 · 55 分钟前更新
最新进展10月27日 12:00
DecoyCount：评估视觉推理在计数中的错位问题报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIDecoyCount：评估视觉推理在计数中的错位问题
arXiv 新论文 DecoyCount 用 1,660 张含七种诱饵机制的真实图像及配对提示词，评估视觉语言模型计数错误究竟源于感知还是推理。前沿模型准确率均低于 50%，推理对齐差距为 11.8-22.1 个百分点，且更强模型、更大思考预算和智能体流程往往导致更大差距；增加多跳场景文本信息也未提升整体表现。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。