WorldVQA：测多模态模型的世界知识
来自 Kimi Blog · 期号 2026-02-03
摘要
多模态大模型能认出它看到的具体东西，还是只是在猜？ Moonshot AI 发布 WorldVQA 基准，用 3500 张图片-问题对来测这件事。数据集覆盖 9 个类别（自然、地理、文化、物品、交通、娱乐、品牌、体育、人物），其中 28% 是长尾知识。 前沿模型在长尾知识上准确率普遍低于 50%。所有模型都严重过度自信——Kimi-K2.5 的校准误差最低（ECE 37.9%，斜率 0.550），离理想状态还很远。 数据集和评测脚本已开源。