arXiv ID:
2607.05264
arXiv 提交日期: 2026-07-06
SteelBench:在真实工业环境中评估视觉-语言模型 / SteelBench: Evaluating Vision-Language Models in Real-World Industrial Environments
1️⃣ 一句话总结
该论文提出了一个名为SteelBench的工业监控基准测试集,包含上千个来自真实钢铁厂监控视频的剪辑片段,用于专门评估视觉-语言模型在识别工人动作、判断安全规则遵守情况以及标注来源可靠性方面的能力,结果发现当前最好的模型准确率不到人类的一半,且安全推理严重不足。