达摩院新基准亮剑：多模态大模型数学题集体‘不及格’

达摩院推出新基准VCBench，专门评估多模态AI模型在依赖视觉的小学数学题上的推理能力。测试显示，包括Qwen-VL-Max、Gemini2.0等顶尖闭源模型的准确率均未突破50%，远低于人类93.3%的水平。分析指出，大模型在视觉感知、几何推理等基础能力上存在明显短板，尤其在跨图像关联推理方面表现薄弱，依赖单图优化的情况显著。该基准揭示了当前多模态AI技术在基础视觉理解与逻辑整合上的不足。