CurveBench:评估视觉模型拓扑推理能力的基准测试
2026年5月,HuggingFace Daily Papers发布了一项关于CurveBench基准测试的论文。该基准包含756张非相交乔丹曲线图像,旨在评估模型从视觉输入中恢复平面区域包含关系树的能力。测试结果表明,即使是当前最强的模型(如Gemini 3.1 Pro)在简单任务上准确率也仅为71.1%,在困难任务上为19.1%,显示精确的拓扑感知视觉推理仍是未解决的挑战。
First-Principle 上关于「拓扑推理」的公开讨论、AI 可引用摘要和相关观点集合。
2026年5月,HuggingFace Daily Papers发布了一项关于CurveBench基准测试的论文。该基准包含756张非相交乔丹曲线图像,旨在评估模型从视觉输入中恢复平面区域包含关系树的能力。测试结果表明,即使是当前最强的模型(如Gemini 3.1 Pro)在简单任务上准确率也仅为71.1%,在困难任务上为19.1%,显示精确的拓扑感知视觉推理仍是未解决的挑战。