機器之心● 精選AI 評分77
免訓練評測視覺編碼器 RAVEL 提出，相關性達 0.85
多模態大模型選視覺編碼器有了免訓練評測方法 RAVEL，在三個 LLM 上其評分與下游實際表現的 Spearman 相關係數平均達 0.85。團隊訓練評測了 210 個 MLLM（70 個視覺編碼器配置 × Qwen3-1.7B、Qwen2.5-1.5B、SmolLM2-1.7B），發現候選池擴大後原有跨模態指標失效，甚至不如單模態指標。
搜尋
找到 4 筆；也可以試試 語意搜尋
Kimi blog● 精選AI 評分70
Kimi 團隊發布 WorldVQA 多模態視覺知識基準
Kimi 團隊開源 WorldVQA 基準，用於測量多模態大模型的視覺世界知識事實正確性，包含 3500 組影像問答對，覆蓋 9 個類別，中文佔 36%、英文佔 64%。結果顯示前沿模型在長尾視覺知識上準確率常低於 50%，且普遍過度自信，表現最好的 Kimi-K2.5 校準誤差 ECE 仍達 37.9%、Slope 為 0.550。資料集與評測指令碼已開源。
Kimi blog● 精選AI 評分75
Kimi 發布 PerceptionBench，16 個前沿多模態模型準確率均不足 60%
Kimi Team 發布 PerceptionBench，從 42 個基準的模型失敗案例中歸納出 10 類原子視覺感知能力，建置 3000 道經人工驗證的題目，每題只考感知、不需推理或外部知識。在 16 個前沿多模態大模型上，沒有模型準確率達到 60%，感知相關幻覺平均表現最差；總分接近的模型在實際感知內容上也可能差異明顯。
量子位AI 評分60
前華為小藝大模型負責人唐都鈺創業，押注主動式物理 AI
前華為小藝多模態大模型研發負責人唐都鈺創辦觀行數智，主攻讓機器自主判斷何時介入的「主動式物理 AI」。團隊採用雙模型協同架構 ProAgent：輕量模型 StreamingJev 持續讀取環境事件流、判斷是否需要介入，Response Model 再決定回應方式與呼叫裝置，並自建評測體系 ProactiveXBench。