浙江大学团队推出GSM8K-V:让AI在看图解数学题时露出真面目
以谷歌的Gemini-2.5-Pro为例，它在处理文字版GSM8K数学题时能达到95.22%的准确率，但面对同样内容的图片版本时，准确率急剧下降到仅有46.93%。这种巨大的差异促使浙江大学的研究团队深入思考一个问题：现有的视觉数学推理测试...
标签: gsm
浙大推出首个「多图应用题」基准GSM8K-V,全面评估 VLM数学推理能力
面对这些问题，浙江大学的研究团队提出了GSM8K-V—将广泛使用的数学基准GSM8K系统性地映射为其视觉对应版本，构建出一个跨场景、多图像的视觉数学推理基准。该基准旨在检验模型是否真正能「看得懂」数学，而不仅仅是「读得懂」...
