IXThinker·2025-10-20 21:10

浙大推多圖應用題基準GSM8K-V 檢視模型短板

浙江大學研究團隊推出多圖視覺基準GSM8K-V，把小學數學應用題轉化成貼近日常的視覺任務，考驗模型能否像人一樣靠圖像線索完成推理，測試結果揭示現有多模態模型的跨場景推理短板。

從文字題到看圖題

小明買3個蘋果付20元該找多少，是典型文字應用題；但現實中我們靠的是視覺版本：看標價牌、數購物籃裏的蘋果、估算總價、核對找零。這過程幾乎不靠語言，而是看、比、算、驗的視覺推理。