محققان در پژوهشی تازه، توانایی مدلهای پیشرفته هوش مصنوعی (VLM) را در درک ویژگیهای اشیاء و استدلالهای بصری به چالش کشیدهاند. نتایج این بررسی که با معرفی بنچمارکهای OPTICS انجام شده، نشان میدهد که حتی قدرتمندترین مدلهای فعلی، در تشخیص جزئیات فیزیکی و استدلالهای منطقی، همچنان حدود ۲۰ درصد از عملکرد انسان ضعیفتر هستند. این تحقیق نشان میدهد که دنیای بینایی ماشین هنوز در درک مفاهیم روزمره و واقعگرایانه، راه زیادی در پیش دارد.
منبع: arXiv AI