基准CV-Bench
CV-Bench
一个用于评估视觉语言模型空间推理能力的基准测试,包含左右、上下等空间关系题目。
时间轴 (近 90 天)
11月18日
在CV-Bench照片测试中,当存在可靠的2D线索误导时,三个模型(Claude Opus 5.5、GPT-5.5和Gemini 3.6 Flash)的准确率同样下降。
待验证50%
11月11日
在Qwen2.5-VL-7B、Qwen3-VL-4B和InternVL3-2B三个模型上,镜像ViT宽度方向位置编码后,模型在CV-Bench左右题上复现翻转图像答案的比例达到84.3%–93.2%。
待验证50%
11月11日
CV-Bench中带有定位对象的题目上,随机排列在反转对象顺序时,比保持顺序时多翻转18.9–31.0个百分点的答案。
待验证50%