多模态大模型在事实正确性评估中普遍过于自信，其中OpenAI的o1模型在视觉能力上表现最强，尤其是在现代建筑、工程技术和科学等主题上。
ChineseSimpleVQA基准测试包含2200个高质量问题，覆盖多个领域，结果显示模型的知识扩展能力较弱，且大多数模型在回答错误时倾向于过于自信。
随着推理次数增加，模型答案准确性在1到30次尝试范围内提高，但超过30次后趋于稳定，表明模型难以通过不断探索找到准确知识。
多模态大模型在事实正确性评估中普遍过于自信，其中OpenAI的o1模型在视觉能力上表现最强，尤其是在现代建筑、工程技术和科学等主题上。
ChineseSimpleVQA基准测试包含2200个高质量问题，覆盖多个领域，结果显示模型的知识扩展能力较弱，且大多数模型在回答错误时倾向于过于自信。
随着推理次数增加，模型答案准确性在1到30次尝试范围内提高，但超过30次后趋于稳定，表明模型难以通过不断探索找到准确知识。
