多模式模型越来越多地解释视觉环境，但它们在照片、平面图、立面图、剖面图和效果图中识别同一建筑物的能力仍然很差。我们引入了ARCH-B ，这是一个由11个跨代表性原型中的354个四选题组成的基准，由390万个建筑图像组成的建筑链接语料库构建而成

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.34047v1)获取最准确的信息。

---
🔗 **原文链接**: [ARCH-B: Architectural Representation, Comprehension and Hier](https://arxiv.org/abs/2609.34047v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Kieran Sagar Parikh, 何塞·路易斯·加西亚·德尔卡斯蒂略·伊·洛佩斯

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-29 13:01