arXiv · 机器人与计算机视觉· Sahasra Kondapalli, Lara Radovanovic, Aadi Palnitkar, Mingyang Mao, Xiaomin Lin·· 29 天前AI 评分44
LAD-bench:面向图像逻辑故障检测的基准评测
LADBench: A Benchmark for Logical Fault Detection in Images
AI 导读
LAD-bench 是一个包含超千张合成图像的基准,涵盖居住、城市、协作与自然四大领域,旨在评估视觉语言模型在开放世界中的自主逻辑推理能力。评测采用分层提示协议,结果显示最佳基础模型整体准确率仅为 70.11%,且即便提供明确线索仍常无法识别异常。该工作已接受 IEEE ICDL 2026 会议,代码与数据集公开于 GitHub,推动视觉系统的安全性与认知对齐研究。
来源:arXiv · 机器人与计算机视觉 · arxiv.org