VizWiz-VQA
盲人拍摄真实图像问答（3.3 万视觉问题，10 答案/题）
基本信息
30 秒看懂
自由文本视觉问答准确率（VQA 口径：10 选 9 标注组平均，答案需 ≥3 名标注者一致才计满分），越高越好。图像由盲人用户手机拍摄，模糊、欠曝、构图差和「无法回答」题占比高，考的是真实辅助场景下的鲁棒读图与问答能力，不等于干净数据上的图表/文档读图水平。
采用格局：2026-09-02 身份归正：v1 迁移时本实体正文误载 AI2D（AllenAI 图表理解集）内容，AI2D 已拆分为独立实体 ai2d；本实体按 vizwiz.org 官方口径重写（数字为 2020-01-01 起的新版数据集）。
评分协议
VQA accuracy（10 选 9 标注组平均，test 8,000 题）
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。2026-09-02 身份归正：v1 迁移时本实体正文误载 AI2D（AllenAI 图表理解集）内容，AI2D 已拆分为独立实体 ai2d；本实体按 vizwiz.org 官方口径重写（数字为 2020-01-01 起的新版数据集）。
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。