VisSearch-Bench：评估多模态智能体的长程视觉搜索

新基准显示多模态智能体长程视觉搜索成功率仅约 26%。

资讯摘要

论文提出 VisSearch-Bench，用于评估多模态智能体在长程视觉搜索中的视觉上下文管理能力，即组织视觉信息并与其他检索结果关联。基准含 204 个人工编写任务，覆盖 7 个主领域、25 个子领域，分五类搜索任务，每题提供参考答案、可追溯证据与评分规则，以准确率和过程分衡量。作者报告在 16 个多模态模型上，最佳系统仅完全解决 26.47% 的任务。

要点速读

1. 基准含 204 个人工编写任务，覆盖 7 个主领域、25 个子领域。
2. 任务分五类：集合式视觉搜索、序列视觉搜索、混合宽深搜索、竞争性视觉消歧、视觉结构引导搜索。
3. 作者报告 16 个多模态模型中最佳系统仅完全解决 26.47% 的任务，即使配备搜索工具。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:38（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。