active-observation

本文介绍了ActiveVision，一个用于评估多模态大语言模型主动观察能力的基准测试。前沿模型如GPT-5.5和Claude Fable 5表现不佳，分别仅解决了10.6%和3.5%的任务，而人类达到了96.1%，凸显了迭代视觉感知的缺失。