arXiv · cs.CL· Vansh Bhatia·· 1 天前AI 评分36
PRISM-BENCH：超越最终答案准确率，诊断多模态推理的落地性与忠实度
PRISM-BENCH: Diagnosing Grounded and Faithful Multimodal Reasoning Beyond Final-Answer Accuracy
来源与原文
arXiv · cs.CL
作者：Vansh Bhatia
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36554v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
PRISM-BENCH 是一个包含 1,000 道专家标注题目的多模态推理基准，覆盖五个被低估的推理类别，每题附有人工撰写并经二次校验的理想推理轨迹。感知探针将约 85% 的前沿模型失败归因于误感知，轨迹对齐在 25 个系统上预测正确性的 macro AUROC 为 0.66；配套的 CORE 效率指标使 24.2% 的模型对排序发生变化。涵盖 GPT-5 与 Claude Opus 4.6 等 25 个开源与闭源系统，最高准确率仅 66.0%，在有人类基线的四类上落后人类 18.4 分。
来源：arXiv · cs.CL · arxiv.org