arXiv cs.CV· Vansh Bhatia, Mehdi Rezagholizadeh, Parsa Ashrafi Fashi, Igor Gilitschenski, Vikram Appia, Emad Barsoum·· 2 小时前AI 评分42
PRISM-BENCH：超越最终答案准确率，诊断多模态推理的接地性与忠实度
PRISM-BENCH: Diagnosing Grounded and Faithful Multimodal Reasoning Beyond Final-Answer Accuracy
AI 导读
PRISM-BENCH 基准发布 1,000 道专家标注题，覆盖五类推理任务，25 个开闭源系统（含 GPT-5、Claude Opus 4.6）最高准确率 66.0%。感知探针将约 85% 的前沿模型失败归因于感知错误，瓶颈在接地。有人类基线的四项类别中最佳系统落后人类 18.4 分，且近期前沿提升集中在识别而非空间接地。
来源：arXiv cs.CV · arxiv.org