算法论文7

大模型视觉推理远逊人类

量子位2025-05-28

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。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Gemini、GPT进《我的世界》评测，新框架破瓶颈

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。

Genspark团队开源AI办公套件GenOffice，全平台免费无广告。它界面类似微软Office，零成本上手，AI能直接编辑文档。虽处Alpha阶段，但可切换多种模型，还给出了配置第三方模型的方法。

DeepMind换帅一周后震荡持续，谷歌将拆分它，把部分非技术团队转入谷歌汇报体系。谷歌联合创始人谢尔盖·布林重新介入Gemini。此外，Gemini因算力、内讧、官僚等问题落后。

据路透社报道，Google联合创始人谢尔盖・布林深度介入AI研发，推动递归式自我改进（RSI）方向。此前Google新一代Gemini旗舰模型发布推迟，内部测试显示在关键领域落后对手，此次调整或为提升研发效率。