研究显示VLM模拟评测排名可迁移至真实任务

2026年10月15日，AGI Hunt 报道，Andrew Perrault 透露，其团队在部分任务上把视觉语言模型（VLM）在模拟评测环境中的表现，与同一任务的真实世界数据进行了对比，确认模型排名可以迁移，Spearman 相关系数 ρ ≥ 0.63。研究方据此表示，这说明模拟环境确实捕捉到了决定任务对模型难易的关键因素，为「用仿真环境评测模型」提供了实证支持。报道未说明具体涉及哪些任务，也未交代真实世界数据的规模与结论的适用范围。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。