HSS 基准测试多模态模型直觉视觉推理，GPT-6 Astra 仅 53.6%
原文标题：Humanity's Sixth Sense: Benchmarking Intuitive Visual Reasoning in Multimodal Models
重要度 4/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出「人类第六感」（HSS）基准，用于评测多模态大模型的直觉视觉推理能力，覆盖图像与视频输入，按时间、空间、社会与抽象结构分类。结果显示人类参与者准确率达 93.1%，而最强模型 GPT-6 Astra 即便在最大推理努力下也仅 53.6%。研究还尝试了动态视觉操作的智能体方案，虽缩小差距但未能弥合，表明当前模型在人类直觉可解的视觉任务上仍显著落后。
深读 · 结论先行AI 生成展开看要点与影响 ↓
HSS 基准测直觉视觉推理：人类 93.1%，最强模型 GPT-6 Astra 仅 53.6%。
- •提出「人类第六感」HSS 基准，覆盖图像与视频输入
- •按时间、空间、社会与抽象结构分类，配人类撰写的提示
- •人类参与者准确率 93.1%，GPT-6 Astra 最大推理努力下仅 53.6%
- •尝试动态视觉操作的智能体方案，缩小差距但未弥合
为什么重要：在人类一眼可解的任务上模型差距近 40 个百分点，说明多模态能力与日常人机协作场景仍有明显缺口。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。