论文页面 - 难视野觉，易视野觉：GPT-6 Astra在计算机视觉领域的启示

来源：https://huggingface.co/papers/2609.35718

摘要

前沿通用系统正迅速扩展其能力，从视觉理解延伸到传统上由专用计算机视觉模型处理的领域。随着这些能力的拓展，计算机视觉界面临的核心问题是：这种扩展的边界在何处？哪些任务依然困难？我们在计算机视觉的九大领域、34项能力及55个基准测试中，对GPT-6 Astra与其他五个前沿通用人工智能系统进行了评估。在有合适参考标准的情况下，我们将其性能与专用模型和人类水平进行了比较。Astra展示了广泛的视觉能力，在视觉与空间推理以及多种结构化预测任务上相比其他前沿系统有显著提升。在所有顶尖系统中呈现出一个一致的模式：涉及语义解释、推理和以对象为中心的预测能力，正日益接近或达到现有的参考水平。然而，当任务需要度量几何精度、精确重建、时间一致的密集预测或专业细粒度视觉知识时，仍存在较大差距。额外的推理工具和专用工具能够缩小部分差距，但其益处因能力而异。这些结果描绘了计算机视觉领域正在变化的图景：日益复杂的视觉任务可通过通用接口访问，而精确且保真度敏感的感知能力依然是重要的前沿领域。

查看arXiv页面 (https://arxiv.org/abs/2609.35718)查看PDF (https://arxiv.org/pdf/2609.35718)项目页面 (https://mbzuai-oryx.github.io/frontier-vision/)GitHub5 (https://github.com/mbzuai-oryx/frontier-vision)添加至收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.35718)

通过您的代理获取此论文：

hf papers read 2609\.35718

没有最新的CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型 0

无模型链接此论文

在模型README.md中引用arxiv.org/abs/2609.35718，可从此页面建立链接。

引用此论文的数据集 0

无数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2609.35718，可从此页面建立链接。

引用此论文的Space 0

无Space链接此论文

在Space README.md中引用arxiv.org/abs/2609.35718，可从此页面建立链接。

包含此论文的收藏夹 0

无收藏夹包含此论文

将此论文添加到收藏夹 (https://huggingface.co/new-collection)以从此页面建立链接。