【CNMO科技消息】9月14日，CNMO科技从韩媒获悉，韩国光州科学技术院宣布，研究团队开发出了名为C3-Bench的新评估标准，用于检验AI在比较两张图像时，能否准确找到并描述与给定情境相关的重要变化。
ChatGPT
研究团队指出，现有评估数据往往集中在特定场景或变化上，缺乏对情境重要性的明确界定。为弥补这一不足，团队从自然场景、卫星及航空遥感图像、图像编辑、异常检测四个领域选取了51种现实变化情境，并构建了包含4996个图像对应的C3-Bench数据集。研究人员表示，团队为每种情境具体规定了AI应寻找的变化、应忽略的差异以及描述变化时需遵循的标准。
在评估方式上，研究团队不再仅比较答案与标准句子的词汇重合度，而是从内容准确性、变化描述的具体性、语句自然度和情境相关性四个方面综合评分。针对400个图像组，人和GPT-5.2分别描述图像变化，综合评分满分为10分，人类得7.45分，GPT-5.2得5.72分，相差1.73分。然而，在语句自然度单项上，GPT-5.2以8.53分高于人类的8.32分。
研究团队还测试了AI在图像顺序反转时，描述变化是否能前后一致，即“可逆性”。结果显示，人类可逆性得分为93%，而GPT-5.2仅为61%。研究人员表示，这表明AI生成自然语句的能力与准确识别图像中重要变化的能力并不等同，在理解变化方向上仍存在局限。该研究成果已被12日在瑞典马尔默举行的国际学术会议ECCV 2026收录。