2026-11-01

7730

近期，GPT-6 Astra在X平台上因其绘制CAD图形的视频而备受关注。其展示的涡轮增压器模型，能实现单个部件建模、正常转动以及一键拆解，视觉效果让人赞叹不已，导致许多人讨论CAD工程师的就业前景。然而，专业工程师警告说，这些模型虽然看似生动，却不符合生产标准，因其并不一定科学准确。尽管从外部观看模型能够模拟CAD的视觉界面，但从技术角度来看，这些模型在科学原理、几何结构及部件关系上是否真实准确，值得怀疑。为此，研究团队开发了一个新的评测标准，名为ScienceVision，旨在检验AI在三维科学对象观察及理解上的能力。

这个评测不仅限于工程制图，还覆盖生物、化学、医学影像、建筑及机械CAD等多个领域，包含250道基于真实三维数据的问题，要求AI通过操作三维对象进行观察、测量与分析。经过测试，表现最好的GPT-6 Astra（与Codex配合使用）仅获得0.53分，满分为1分。尽管其在BenchCAD上获得了95.9分，但在三维科学理解与推理方面却只是勉强及格。ScienceVision是由UniPat AI和Elorian AI合作开发的，它基于视觉问答（VQA）构建，意在探讨AI能否像科学家一样进行观察与推理。

当前测试中，涵盖了如Claude Fable 5.1、Gemini 4 Argon等最新的大型模型，但没有一个模型能在所有五个领域中取得领先。ScienceVision的演示中，每个学科都有实际的检查过程，所用的3D工具模拟了领域专家处理三维数据的方法。题目设计涉及复杂的观察和推理步骤，比如在生物学中，需要定位分子之间的距离；化学部分则需遵循对称操作分析晶体结构；医学影像要求在CT图像中追踪病灶；而建筑则需量测坡道的高差与坡度。 球友会

此外，ScienceVision的评测材料已在其博客上公开，鼓励更多人参与体验，以评估AI的科学观察能力。这套题目的发布，填补了科学3D理解与推理评测的空白，之前主要的基准多专注于一般场景感知和科技应用，而专注于科学研究的3D评测几乎没有。这项评测强调，科学工作者需要在真实三维世界中进行准确的观察和推理，AI同样需要依赖于经验和专业知识进行推断。最终评估的逻辑类似于“斯坦门茨画线”的道理，强调可靠观察与理解是评估AI性能的重要第一步。