待验证50% 置信事实精确时间
研究者对 50 个 MLLM 进行了评测，结果显示开源模型整体仍落后于闭源模型，这一差距在音视频理解任务上尤为明显。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/14
首次发现
有效期至：2027/1/12
来源
涉及实体
相关事实
待验证对当前前沿 MLLM 的评估结果显示，模型在局部感知任务上表现较强，但在长时程音频-视觉推理方面明显薄弱。74% 相似待验证顶级学术深伪检测器在面对未见过的生成模型时，准确率可能从99%骤降至60%以下，这被称为跨模型泛化问题64% 相似待验证选择与生成的差距超过50个百分点，揭示当用户需要模型直接写出亲属称谓时可靠性远低于基准测试所呈现的水平63% 相似待验证研究在'设备端—边缘端—云端'的模型能力阶梯上发现，每一个层级的模型（包括最前沿的云端模型）回答非标准语域查询的准确率都显著更低63% 相似待验证在 WOVEN 评测中，即便最强的 MLLM 也远低于人类水平，失败模式在不同模型家族中反复出现，单纯扩大模型规模并不能消除这些缺陷。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028085API
curl https://kongchang.com/api/v1/knowledge/claims/1028085MCP
get_claim(id=1028085)