深度分析
以布魯姆認知層級測試英阿雙語視覺語言模型的 BloomBench 基準概述
研究指出，BloomBench以布魯姆認知層級設計英阿雙語影像問答測試，涵蓋記憶、理解、應用、分析、評估與創造六大層次，揭露現有視覺語言模型在事實回憶與創造力上仍有明顯短板，同時顯示阿拉伯語表現落後於英語，突顯跨語言多模態推理的挑戰，為未來模型在認知深度與語言公平性上的改進提供方向。
深度分析
研究指出，BloomBench以布魯姆認知層級設計英阿雙語影像問答測試，涵蓋記憶、理解、應用、分析、評估與創造六大層次，揭露現有視覺語言模型在事實回憶與創造力上仍有明顯短板，同時顯示阿拉伯語表現落後於英語，突顯跨語言多模態推理的挑戰，為未來模型在認知深度與語言公平性上的改進提供方向。
深度分析
CutVerse 針對專業影像後製提出以人類等價操作為基礎的 GUI 代理基準，整合 7 款專業軟體與 186 項長程任務，並以螢幕錄製解析器與標準化 Windows VM 量化代理在像素級空間定位、跨模態對齊與組合式操作的能力；實驗顯示現有模型在長程可靠性與專業規劃上仍存在明顯短板。