ScienceVision用250道专家题评测12个模型的科学3D推理，最佳均分0.53。
资讯摘要
论文提出ScienceVision跨领域基准，用专家级视觉问答评估科学3D理解与推理。基准含250题，覆盖生物学、化学、医学影像、机械CAD和建筑各50题，由合成生成加专家审核标注构建。作者在三种设置下评测12个模型，最佳平均得分为0.53；直接访问原生3D工件的工作流平均比渲染2D图像工作流高17.2个百分点。
要点速读
- ScienceVision含250道专家级VQA题，五个领域各50题，每题配原生3D工件、指定回答格式和参考答案。
- 评测12个模型，比较原生3D工件、叠加MCP查看与测量工具、以及给定渲染2D图像三种设置。
- 主对比中最佳平均回答得分为0.53（满分1）；原生工件工作流在每个模型上都优于渲染图像工作流，平均高17.2个百分点。
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。