VisSearch बेंचमार्क multimodal एजेंटों में लंबी क्षितिज दृश्य खोज का मूल्यांकन करता है।
VisSearch-Bench ने 204 दृश्य खोज कार्यों पर 16 multimodal एजेंटों का परीक्षण किया, जो कमजोर लंबी क्षितिज दृश्य तर्क के कारण केवल 26.47% पूर्ण सफलता दिखा रहे हैं।
VisSearch-Bench ने 204 दृश्य खोज कार्यों पर 16 multimodal एजेंटों का परीक्षण किया, जो कमजोर लंबी क्षितिज दृश्य तर्क के कारण केवल 26.47% पूर्ण सफलता दिखा रहे हैं।