AI 前沿观察:人物、突破与证据|解读日期 2026 年 11 月 11 日|资料截至北京时间 20:33:58

机械零件图与道路照片并置,半透明点阵描摹了图像转换后的细节损失

原创概念示意图。图中材料为插画构造。

一份道路巡检记录漏写了路面的凹陷。智能体要从现场照片里补回这项缺陷,再对照分类手册和承包商费率编制估价表。Google DeepMind 在 11 月 10 日公布的 MKA 技术报告里记下了一个细节:拿走直接看图的工具后,Gemini 4 Carbon 仍能提取照片,甚至能把路面明暗转成字符画,却在几次尝试中都判断没有漏记。对把多模态模型接进科研流程的人来说,这个例子提出了一个切身的问题:文件读进去了,决定结论的那一处细节还在吗?技术报告,附录 B

一张平面图要和哪些文件对上

MKA 由 Google DeepMind 与 Artificial Analysis 合作推出。公开样题里有一道建筑审查题,桌面上放着五张平面图、两张剖面图、四张立面图,还有一份审查规范。委托方只要一份列出异常的演示稿。要判断某个门窗开口画得是否一致,智能体得先认出它在不同视图里对应哪一处,再把值得报告的差异挑出来。即使从每一页都抽出了完整文字,这层对应关系也可能已经丢了。公开任务与模型交件

正式评测有两百道题,分属十个行业,每个行业二十道。其中一百七十六道要求新建或修改独立文件。专家给每道题编写逐项判定的评分细则,评审程序既能打开页面看版式,也能检查工作簿中的公式。这使研究者可以区分两种看起来都像“完成了”的交件:一份表的列名、格式和求和公式都正确,另一份表还从源材料中找齐了应计价的项目。两者可能同时拿到格式分,漏项仍会反映在内容得分上。发布说明 技术报告,第 2、3 节

同一项工具,在两套题上值多少分

作者让同一个 Gemini 4 Carbon 在相同的运行框架和二百五十轮上限内做题,只切换直接查看图像的工具。两组都可以运行代码、提取文字、使用图像处理库。这样的安排保留了一个现实选择:读不到原图时,智能体可以花时间另想办法。于是实验同时测到了两件事,一是最后还能交出什么,二是为了补救又走了多少步。技术报告,第 4.3 节

在另一套专业工作评测 GDPval 的公开金标准子集上,关掉看图后,按权重计算的全部评分项满足率仅变动了正 0.08 个百分点,统计区间包含零。换到 MKA,相同口径下降了 4.58 个百分点。如果只看先前模型未能稳定通过的评分项,也就是报告所称的 Climb-WSR,降幅扩大到 5.94 个百分点。与此同时,平均交互轮数增至原来的 1.28 倍,输出词元数增至 1.40 倍。这里每项分数衡量的是交件满足了多少要求;不能据此换算出少完成了几份工作。技术报告,表 5

难项也有具体的参照系。作者先让四个较早的模型各做三次。只有四个模型都能至少两次通过的条目,才归入已稳定掌握的一组。这种分法有助于看清新模型在哪些要求上还会失手,但它随所选参照模型而定;专业人员眼里最难的判断,未必恰好落在这一组。技术报告,第 3.4 节

为什么程序能量出孔距,却漏掉路坑

在一个零件可加工性审查案例里,模型将图纸的局部转换成点阵,扫描边缘,再用识别出来的尺寸标注把像素换算成英寸。清楚的直线和孔位经得起这番转换。两次关闭看图的运行中,有一次找回了关键几何问题,另一次漏掉了孔与孔、特征与壁面之间的间距隐患。图纸足够规整时,脚本确实能保住一部分工程判断,但能量出某个尺寸,离稳定地发现加工风险还有距离。技术报告,附录 B

道路照片给了同样的办法另一种结局。在字符画里,凹坑还留着一团暗色;模型却分不清那是向下陷的路面,还是沥青本身的纹理。作者报告,这一道题的难项得分从 86.7% 降至 14.3%。缺陷一旦被漏掉,后续即使能读懂费率表,也无从给它估价。这两个案例是作者选来解释行为差异的,不能拿它们估算所有照片或机械图纸的出错概率。技术报告,表 6 与图 9

接下来该复查哪一环

一个值得单独核对的数字是自动评审与专家判断的 96.2% 一致率。验证覆盖五十道任务,重点抽取权重较高的评分项,并平衡了通过与未通过的样本。因此,这个数字可以帮助读者判断评审程序在这批逐项判定上有多可靠。要知道它会不会放过一份外观漂亮、恰好漏了关键缺陷的报告,还要追查双方在哪些条目上有分歧,以及那些条目会不会改变使用者的决定。技术报告,第 3.3、6 节

目前能公开查看的是十道另设的展示题。输入文件、任务说明和评分细则可供检查,两百道正式题由合作方保管。本文依据公开技术报告解读,本次检索未找到第三方重复上述看图对照的结果。最值得等的是另一种模型在同一批材料上的逐项记录:如果它也能从图纸补回尺寸,却反复漏掉照片里未写进日志的缺陷,就更有理由把这种差异归到材料本身。如果它能稳定补回漏项,值得回头研究的便是第一个模型选择了怎样的读图方法。公开数据卡 评测入口

参考资料

  1. Google DeepMind 发布说明,2026 年 11 月 10 日
  2. MKA 技术报告,重点见表 5、表 6 与附录 B
  3. Artificial Analysis 评测与建筑审查样题
  4. Google 发布的十道 MKA 展示题与数据卡

作者作品推广

除了写技术博客,我也在做一些让日常更有条理的小工具,欢迎了解我独立开发的两款 App:

  • 日常收支小记:记下收支,也给每一笔钱安排好去处。记录日常账目,安排预算与储蓄目标。在 App Store 了解。
  • 一事微光:从一件小事开始,让今天多一点微光。按当下的时间和精力选择行动,记录完成后的感受与发现。在 App Store 了解。

更多技术文章和个人作品,欢迎来我的网站:zffjzz.top。也欢迎把使用感受告诉我,让这些小工具慢慢变得更好。