研究者发布魔术视频认知推理基准 The Prestige

Shuo Wen 等研究者发布视频理解基准 The Prestige，用专业魔术表演考察视觉语言模型的认知视觉推理：魔术中的刻意误导要求模型追踪事件并解释意外结果。评测显示最强模型与人类表现差距显著。 基准包含开放式题目，涵盖时序与因果理解以及对抗性问题的鲁棒性。研究还发现模型即使无法独立生成正确解释，也能答对选择题，研究者称这揭示了模型推理与评测方法的双重局限。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。