待验证50% 置信事实精确时间
研究采用两个数据集：SilCC（通过渐进复杂的抽象形状组合调控命名难度）和PixCC（通过增加随机视觉噪声提升识别难度）来比较人类与多模态大模型的联想创造力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证人类在联想创造力上仍显著优于多模态大模型，尤其在面对难以命名的视觉刺激时，人类能产出更多样、更原创的描述。69% 相似待验证在PixCC数据集中，人类表现出策略转变：从整体性语义联想转向描述低层视觉属性（如颜色、纹理），而MLLM更倾向于坚持语义层面的联想。67% 相似待验证CLIP通过在数亿对图文数据上进行对比学习，建立文本描述与视觉特征之间的语义映射关系，引导扩散模型的去噪过程67% 相似待验证细粒度视觉识别任务的核心挑战是类间差异极小、类内变化很大64% 相似待验证选取有强烈集体记忆的视觉素材作为测试基准是一种常见的AI能力评估方法，可将判断标准从主观美感锚定到与原作的相似度上63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1079452API
curl https://kongchang.com/api/v1/knowledge/claims/1079452MCP
get_claim(id=1079452)