算法论文7
大模型视觉推理远逊人类
量子位
AI 摘要
清华等团队：发布RBench - V评估大模型视觉推理能力，o3准确率25.8%排首位，但远低于人类的82.3%，开源模型表现更差，现有模型在复杂多模态推理任务中能力严重不足。
阅读原文 · 量子位
多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合
清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
产品应用9
谷歌Gemini 3.8 Live登顶语音天梯榜
本文介绍谷歌推出的全新Gemini 3.8 Live系列实时语音大模型，该模型登顶全球端到端语音天梯榜，性价比远超OpenAI同类产品，首创双轨架构解决AI思考延迟痛点，已全量上线消费端与开发者端。
AI进修生
开源动态9
开源科学大模型书生-S2正式发布
上海人工智能实验室在2026浦江创新论坛发布开源基础大模型书生-S2，该模型科学能力比肩顶尖闭源模型，通用能力居开源第一梯队，创新架构支持专业知识持续扩展，强化长程科研与智能体能力，可为真实科研任务提供支撑。
OpenMMLab
开源动态8
蚂蚁百灵开源多模态大模型Ling-3.0-flash-VL
本文介绍蚂蚁百灵开源的多模态大模型Ling-3.0-flash-VL，该模型采用稀疏混合专家架构，支持图片、视频、软件界面理解，可将视觉信息用于推理与任务执行，开放权重采用MIT许可证供开发者部署测试。
AIGC开放社区
新闻资讯9
Ox Alpha揭晓为GLM-5.3-Flash
本文是DeeplearningAI The Batch专栏的AI行业资讯，揭秘此前匿名上线爆火的Ox Alpha模型，公开其为Z.ai推出的GLM-5.3-Flash，详细介绍该模型的架构、性能、定价与授权信息。
DeeplearningAI