#Vision-Language Models

清华团队提出GPD方法，让视觉语言模型通过3D几何特权提升空间推理能力，无需改变模型架构。

想测VLM能不能看懂ER图？这个新基准用2960张图挨个打分，弱实体和N元关系掉得厉害，读论文就能知道差距在哪儿。

CVPR 2026 竞赛推出了 AUTOPILOT-VQA 基准，专门测试 AI 模型对行车记录仪事故视频的推理能力，比普通视觉问答更难更贴近安全。