Visual Cipher Bench 收集 40 道原创视觉谜题,只提供少量黑白线图与最少提交说明,要求智能体自行找出解题机制,而不是照着文字规则执行。 团队比较八个前沿模型的 29 种推理配置,最高准确率为 26.7%。在十题子集上提供不泄露答案的机制提示后,准确率明显上升。作者据此区分“执行多步计划”与“从视觉证据发现规则”两种能力,结果限于该谜题集合。 来源:arXiv。 配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。