Scale发布HSS基准测试：AI视觉推理仅达人类一半

发生了什么

据scale.com · 技术动态报道，Scale与Elorian合作发布直觉视觉推理基准测试HSS，包含522项开放任务。结果显示，人类参与者准确率达93.1%，而最强模型GPT-6-astra仅为53.6%，中位数模型为30.9%。测试涵盖时间因果、物理空间逻辑和社会理解等领域。研究发现，增加推理努力无法缩小差距，甚至可能在某些子领域降低准确率，表明模型失败在于“看见和推断”，而非推理本身。