標籤: 基準測試

人一眼就懂、模型只得一半分：Scale「人類第六感」基準量度直覺視覺推理

Scale AI Labs 與 Elorian 發表 Humanity's Sixth Sense 基準：522 道直覺視覺推理題，人類 93.1%，最強模型僅 53.6%；社交理解是模型最弱一域。