Latent Space· Richard MacManus·2026-10-30 00:00· 3 小时前

Elorian 发布 DecoyCount 基准：前沿模型视觉计数准确率均低于 50%

Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning

AI 导读

Elorian 联合 Mercor 发布 DecoyCount 基准，测试语言模型是否真正计数物体，而非依赖视觉捷径。论文显示前沿模型准确率均低于 50%，最高的是 GPT-6 Astra 的 43.17%，Elorian 内部测试中 Glimpse 得 50.48%，但仅单次运行，且未使用工具。

来源：Latent Space · latent.space