2025年了，AI还看不懂时钟，90%人都能答对，顶尖AI全军覆没
一般人准确率89.1%，AI最好只有13.3%。在新视觉基准ClockBench上，读模拟时钟这道「小学题」，把11个大模型难住了。为什么AI还是读不准表？是测试有问题还是AI真不行？
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
麻 将90%人都会的读钟题，顶尖AI全军覆没！
AI基准创建者、连续创业者Alek Safar推出了视觉基准测试ClockBench，专注于测试AI的「看懂」模拟时钟的能力。
结果让人吃惊：
人类平均准确率89.1%，而参与测试的11个主流大模型最好的成绩仅13.3%。
就难度而言，这与「AGI终极测试」ARC-AGI-2相当，比「人类终极考试」更难。
ClockBench共包含180个时钟、720道问题，展示了当前前沿大语言模型（LLM）的局限性。
论文链接：https://clockbench.ai/ClockBench.pdf
虽然这些模型在多项基准上展现出惊人的推理、数学与视觉理解能力，但这些能力尚未有效迁移到「读表」。可能原因：
训练数据未覆盖足够可记忆的时钟特征与时间组合，模型不得不通过推理去建立指针、刻度与读数之间的映射。
时钟的视觉结构难以完整映射到文本空间，导致基于文本的推理受限。
也有好消息：表现最好的模型已展现出一定的视觉推理（虽有限）。其读时准确率与中位误差均显著优于随机水平。
接下来需要更多研究，以判定这些能力能否通过扩大现有范式（数据、模型规模、计算/推理预算）来获得，还是必须采用全新的方法。
ClockBench如何拷打AI？
在过去的几年里，大语言模型（LLM）在多个领域都取得了显著进展，前沿模型很快在许多流行基准上达到了「饱和」。
甚至是那些专门设计来同时考察「专业知识与强推理能力」的最新基准，也出现了快速突破。
一个典型例子是Humanity’s Last Exam）：
在该基准上，OpenAI GPT-4o的得分仅2.7%，而xAI Grok 4却提升到25.4%；
结合工具使用等优化手段后，结果甚至能进入40–50%区间。
然而，我们仍然发现一些对人类而言轻而易举的任务，AI表现不佳。
因此，出现了SimpleBench以及ARC-AGI这类基准，它们被专门设计为：对普通人来说很简单，但对LLM却很难。
ClockBench正是受这种「人类容易，AI困难」的思路启发而设计。
研究团队基于一个关键观察：对推理型和非推理型模型来说，读懂模拟时钟同样很难。
因此，ClockBench构建了一个需要高度视觉精度和推理能力的稳健数据集。
ClockBench究竟包含什么？
36个全新设计的定制表盘，每个表盘生成5个样本时钟 总计180个时钟，每个时钟设置4个问题，共720道测试题 测试了来自6家实验室的11个具备视觉理解能力的模型，并招募5名人类参与者对比
问题分为4大类：
1. 判断时间是否有效
有一个时钟
热门专题
热门推荐
红色沙漠星之塔怎么进入 好消息是，星之塔的进入方式非常直接，它会在主线流程中自动解锁，你完全不需要提前满世界探索或者寻找隐藏入口。 当你跟随主线指引，到达星之塔所在的那片区域后，抬头就能看到它矗立在山顶。接下来要做的很简单：沿着图中这条醒目的红色路线所示的楼梯，一路向上攀登，就能直达山顶的星之塔正门
《王者荣耀世界》即将正式与玩家见面 备受期待的开放世界RPG手游《王者荣耀世界》，已经进入了上线前的最后阶段。官方释放的大量前瞻信息中，地图设计与剧情体验无疑是两大核心亮点。而作为游戏首赛季（S1）的重头戏，全新区域“姑射山”的登场，显然不仅仅是添一张新地图那么简单。它被深度植入了原创剧情，旨在为玩
红色沙漠动力核心怎么获得 想拿到动力核心，目标很明确：找到那些固定刷新的阿比斯守卫。它们常在一些特定地点徘徊，比如坍塌城门区域的悬崖边上，就是不错的狩猎场。 找到目标后先别急着动手，这里有个关键步骤能省下大量时间：在开打前，务必手动保存一下游戏。这相当于给自己买了一份“保险”，万一守卫没掉你想要的东
《王者荣耀世界》已正式官宣将于2026年4月上线 千呼万唤始出来，腾讯天美工作室的开放世界MMOARPG《王者荣耀世界》，终于敲定了2026年4月的上线日期。消息一出，玩家社区的讨论热度再次被点燃。在众多引人注目的首发角色里，“元流之子”以其鲜明的定位和独特的技能设计，成为焦点中的焦点。最近，不少玩
《王者荣耀世界》英雄获取全指南：三种核心方式，快速组建强力阵容 在《王者荣耀世界》的开放世界中开启冒险之旅，作为“元流之子”的你，最令人期待的体验莫过于招募那些熟悉与全新的英雄伙伴。无论是伽罗、东方曜等经典角色，还是“冷春”这样的原创人物，他们的独特故事与强大技能，共同构成了这个东方幻想世界的核心吸