多模态大模型不会画辅助线：o3仅25.8%，远低于人类82.3%

不圆整理自凹非寺量子位 | 公众号 QbitAI 多模态时代应如何评估模型的视觉输出能力？来自清华大学、腾讯混元、斯坦福大学、卡耐基梅隆大学等顶尖机构的研究团队联合发布了 RBench-V：一款针对大模型的视觉推理能力的新型基准测试。过去的评估基准主要集中于评估多模态输入和纯文本推理过程。而