Scale Labs、視覚的推論ベンチマーク「Humanity's Sixth Sense」を発表

Scale Labsは、直感的な視覚推論を評価するためのベンチマーク「Humanity's Sixth Sense（HSS）」を発表した。このスイートは、画像と動画にまたがる522のオープンエンドタスクで構成され、空間推論や因果推論から社会的理解に至る領域をカバーしている。

Scale Labsによると、人間の評価者はベンチマークで93.1%のスコアを達成した。テストされたAIモデルの中では、GPT-6-astraが最高となる53.6%を記録し、モデルの中央値は30.9%だった。