俄亥俄等院校联合推出首个多模态AI研究代理评估基准
（图片来自网络）
在人工智能快速发展的当下，多模态大语言模型已能理解图像、文本等多种信息，但它们在执行复杂研究任务时的表现如何？2026年1月，俄亥俄州立大学、亚马逊、密歇根大学等多所机构联合完成的研究，发布了首个多模态深度研究代理（Deep Research Agents, 简称DRA）评估基准——MMDeepResearch-Bench（MMDR-Bench）。
该平台是专门为AI研究助手设置“学术能力考试”，强调处理多模态信息（如图表、数据可视化等）的能力。研究团队设计了140个专家级任务，覆盖21个学科领域，分为日常与研究任务两类，由博士级专家设计确保专业性与必要性。
评估采用三重框架：FLAE（评估研究报告质量）、TRACE（检查引用准确性）、MOSAIC（验证文本与视觉证据一致性），且采用分层激活机制，确保评估效率与准确性。测试25个先进AI系统，Gemini深度研究系统表现最佳，得分49.41分，但研究发现AI能力维度存在权衡，视觉能力提升未必总带来性能提升，多模态对齐与引用也存在分歧。
人类一致性检查显示评估框架可靠性高，研究揭示了AI研究助手的能力边界与改进方向，提示使用时需注意验证引用与图表解读，人类监督不可或缺。若想了解技术细节，可查询论文arXiv:2601.12346v1。
（声明：该内容经AI精编）
查看原网页
最新新闻
- 2026年1月25日：腾讯元宝新春活动送10亿现金红包，单笔最高10000元
- 2026年1月25日：俄罗斯测试新型等离子推进系统 火星旅行有望缩至1 - 2个月
- 2026年1月25日：外媒测试引争议 OpenAI GPT - 5.2可信度受质疑
- 2026年1月25日：小米汽车熔岩橙配色下架 雷军无奈谈行业困境
- 2026年1月25日：“死了么”App爆火：背后是庞大独居群体的隐忧
- 2026年1月25日：死龙虾变身机器人：科技赋予废弃生物新功能
- 2026年1月25日：网购微星RTX 5090显卡遇调包 网友分享浴巾裹石头骗局经历
- 2026年1月25日：北京新能源汽车保有量超130万辆 超充站达1044座
- 2026年1月25日：荣耀平板新春版更新官宣：视频锁屏与PC级应用等亮点来袭
- 2026年1月25日：中国正能量网络精品征集展播活动：记录奋进力量 激荡社会正能量
- 2026年1月25日：达沃斯论坛青年谈中国：展现多维发展形象
- 2026年1月25日：这样的河南，值得你高看一眼！
- 2026年1月25日：海南12345热线：封关首年成为自贸港联通世界的核心桥梁
- 2026年1月25日：从29场发布会看广东‘十四五’发展答卷：成绩亮眼未来可期
- 2026年1月25日：北京出台政策推动商业卫星遥感数据应用 从数据孤岛迈向应用蓝海
- 2026年1月25日：荣耀官方提醒Magic8 Pro Air避免使用一体式全包镜头膜
- 2026年1月25日：AMD核显规划分化：中端APU将沿用RDNA3.5架构直至2029年
- 2026年1月25日：人口仅1.5万的小岛靠‘.ai’域名年赚超7000万美元，成财政新亮点
- 2026年1月25日：苹果iOS 27系统Siri将升级为完整聊天机器人：深度集成不单独成应用
- 2026年1月25日：香港城市大学研究揭示，锂电池回收可大幅减低环境负担
精彩评论（10）