——VisuRiddles 揭示多模態(tài)大模型在“看圖推理”中的核心瓶頸

考公圖都不會?現在火遍全網的多模態(tài)大模型(MLLMs)，面對一張公務員考試里的圖形推理題，居然頻頻“翻車”?真相可能出乎意料：模型不是“不會推理”，而是“沒看懂圖”。

2025年6月，華中科技大學白翔團隊聯合華為發(fā)布全新研究成果 —— VisuRiddles，一個專為抽象視覺推理設計的評測與數據體系，首次系統性揭示了當前大模型在“看圖推理”中的核心瓶頸：感知能力嚴重不足。

本項目不僅發(fā)布了覆蓋五大感知維度+兩類高階任務的基準數據集，還創(chuàng)新設計了自動化數據合成工具 PRS(感知謎題合成器)，能夠生成帶有結構化感知描述的任務樣本，讓模型“看得懂、推得出”。

實驗顯示：在不改變模型結構的前提下，僅使用 PRS 生成的數據進行訓練，模型在公務員圖形題上的表現大幅躍升。

推理不難，看懂才難!

VisuRiddles 發(fā)現關鍵問題：大模型看不懂圖

更提供了解決方案：PRS，讓模型學會“看清楚”!

論文鏈接：https://arxiv.org/abs/2506.02537

代碼地址：https://github.com/yh-hust/VisuRiddles

（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）