AI2D
小学科学示意图理解（5k 图 / 15k 题四选一）
基本信息
30 秒看懂
科学示意图四选一，准确率越高越好。图是教科书式示意图（食物网、水循环、人体结构），考的是看懂标注、箭头指向与流程关系这类结构语义，而不是自然照片识别；分数高只说明读图示能力强，不外推到通用视觉。多模态榜单常作图表理解的对照项。
采用格局：数字口径：官方页计 4,817 张图；论文摘要口径为 >5,000 张小学科学示意图、>15,000 道四选一多选题（>150,000 条富标注）。2026-09-02 建档：v1 迁移时 AI2D 内容曾误挂在 vizwiz 实体下，本次拆分归正。
评分协议
多选题四选一（论文口径：每题 4 个选项）
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 0 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20
暂无官方模型发布引用记录——多由社区或垂直领域使用。数字口径：官方页计 4,817 张图；论文摘要口径为 >5,000 张小学科学示意图、>15,000 道四选一多选题（>150,000 条富标注）。2026-09-02 建档：v1 迁移时 AI2D 内容曾误挂在 vizwiz 实体下，本次拆分归正。
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
相关评测（同类别）
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。