RecodeX 重构消息,Einsia AI发布名为Visual Cipher Bench的评测基准,用于检验AI智能体在长程视觉推理任务中的表现,即智能体能否在复杂任务中自主发现规则并完成解题。
测试结果显示,表现最好的模型准确率仅为26.7%,暴露出当前AI智能体在自主规则发现能力上的明显短板。
RecodeX 重构消息,Einsia AI发布名为Visual Cipher Bench的评测基准,用于检验AI智能体在长程视觉推理任务中的表现,即智能体能否在复杂任务中自主发现规则并完成解题。
测试结果显示,表现最好的模型准确率仅为26.7%,暴露出当前AI智能体在自主规则发现能力上的明显短板。