GRIP基准与双环评估方法提出

2026年10月14日，arXiv Computer Vision 刊出 Bilal Jawaid 等作者的论文《Geometric Parrots：视觉语言模型空间与物理推理中的规则缺失与规则脆弱性》。据该报道，研究者提出并发布 GRIP 基准与 Dual-Loop Evaluation（双环评估）方法。报道称，GRIP 是一个受控基准，包含 34 个程序化生成的推理领域、100,000 张图像和 600,000 道题，覆盖几何、空间、视觉与物理推理；其答案由确定性代码从场景状态直接导出，无需人工标注。报道还称，数据集可在论文给出的网址获取，更多细节见另一网址。截至该报道，事件进展为基准与方法已随论文公开，尚无后续跟进报道。 说明：以上数字、构成与获取方式均出自该篇报道，仅代表该来源的说法；报道未提及收费、额度或地域限制等信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。