Elorian 的 Glimpse 如何在 DecoyCount 视觉推理测试中与前沿模型比较

Elorian 与 Mercor 发布 DecoyCount 基准，用于测试语言模型是否真正计数物体，还是依赖视觉捷径和替代启发式。论文报告的前沿模型准确率均低于 50%，其中 GPT-6 Astra 为 43.17%；Elorian CEO Andrew Dai 称，Glimpse 在 1,660 个项目的单次内部测试中得分为 50.48%。