论文页面 - PerceptionBench：评估多模态大语言模型中的原子视觉感知

来源：https://huggingface.co/papers/2607.24957 作者： ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ， ，

摘要

我们提出了PerceptionBench，一个专门用于评估多模态大语言模型（MLLMs）原子视觉感知能力的基准测试。现有基准测试往往无法隔离感知：整体评估将感知误差与推理或领域知识的失败混为一谈，而应用驱动的基准测试仅覆盖由启发式设计塑造的狭窄、碎片化领域。为解决这些局限性，PerceptionBench采用自下而上的方法：通过诊断前沿MLLMs在42个现有基准测试中响应的最早失败点，我们构建了一个错误分类法，其感知分支定义了十种原子感知能力。在此分类法的指导下，我们构建了3000个经过验证的问题，每个问题有简短明确的答案，且每个问题隔离单一能力，难度源于感知而非推理或知识。对十六个前沿MLLMs的基准测试结果显示，原子感知在很大程度上仍未解决——没有模型达到60%的准确率，与感知相关的幻觉平均是最弱的能力，而相似的总分掩盖了能力轮廓的显著差异。因此，PerceptionBench为测量和诊断MLLMs的视觉感知边界提供了能力层面的标准。

查看arXiv页面（https://arxiv.org/abs/2607.24957）查看PDF（https://arxiv.org/pdf/2607.24957）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2607.24957）

在您的代理中获取此论文：

hf papers read 2607.24957

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

引用此论文的模型0

没有模型关联此论文

在模型README.md中引用arxiv.org/abs/2607.24957以从本页面链接。

引用此论文的数据集0

没有数据集关联此论文

在数据集README.md中引用arxiv.org/abs/2607.24957以从本页面链接。

引用此论文的Spaces0

没有Space关联此论文

在Space README.md中引用arxiv.org/abs/2607.24957以从本页面链接。

包含此论文的收藏集0

没有收藏集包含此论文

将此论文添加到收藏集（https://huggingface.co/new-collection）以从本页面链接。