发布 PerceptionBench 基准，评估视觉感知的原子能力。

我们正在发布 PerceptionBench，这是一个基准测试，它将视觉感知隔离出来，并作为一组原子能力进行评估——这些能力是根据当前模型失败的方式发现的，而不是预先定义的。

从42个基准测试的前沿模型失败中，我们推导出10个原子感知能力，并构建了3000个经过验证的问题，每个问题隔离单一能力，仅通过观察即可回答，无需推理或外部知识。

博客：https://t.co/I1QU83CiYv
GitHub：https://t.co/F5E0VjYgh0
Hugingface：https://t.co/zMdyQD8HO4