Latent Space· Richard MacManus·· 6 天前AI 评分50
前沿模型能否识破诱饵？Elorian 测试视觉推理
Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning
AI 导读
Elorian 联合 Mercor 发布视觉推理基准 DecoyCount，测试显示前沿模型准确率均低于 50%，其中最高的 GPT-6 Astra 为 43.17%。
来源：Latent Space · latent.space