新基准测试AI的“第六感”：人类一眼理解，最强模型仅得53.6分

Scale AI与Elorian发布视觉推理基准HSS，测试模型从图像和视频中推断时间因果、空间逻辑、社会关系及隐藏规则的能力。522道题测试显示，人类准确率93.1%，最高模型GPT-6-astra为53.6%，模型中位数仅30.9%；94%的错误源于感知或隐含信息判断，而非逻辑推理。

来源：腾讯新闻