Latent Space· Richard MacManus·· 1 天前AI 评分56
前沿模型能识破诱饵吗？Elorian 用 DecoyCount 测试视觉推理
Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning
AI 导读
Elorian 联合 Mercor 发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。
来源：Latent Space · latent.space