AI 前沿觀察:人物、突破與證據|解讀日期 2026 年 11 月 11 日|資料截至北京時間 20:33:58

機械零件圖與道路照片並置,半透明點陣描摹了圖像轉換後的細節損失

原創概念示意圖。圖中材料為插畫構造。

一份道路巡檢記錄漏寫了路面的凹陷。智能體要從現場照片裡補回這項缺陷,再對照分類手冊和承包商費率編制估價表。Google DeepMind 在 11 月 10 日公佈的 MKA 技術報告裡記下了一個細節:拿走直接看圖的工具後,Gemini 4 Carbon 仍能提取照片,甚至能把路面明暗轉成字符畫,卻在幾次嘗試中都判斷沒有漏記。對把多模態模型接進科研流程的人來說,這個例子提出了一個切身的問題:文件讀進去了,決定結論的那一處細節還在嗎?技術報告,附錄 B

一張平面圖要和哪些文件對上

MKA 由 Google DeepMind 與 Artificial Analysis 合作推出。公開樣題裡有一道建築審查題,桌面上放著五張平面圖、兩張剖面圖、四張立面圖,還有一份審查規範。委託方只要一份列出異常的演示稿。要判斷某個門窗開口畫得是否一致,智能體得先認出它在不同視圖裡對應哪一處,再把值得報告的差異挑出來。即使從每一頁都抽出了完整文字,這層對應關係也可能已經丟了。公開任務與模型交件

正式評測有兩百道題,分屬十個行業,每個行業二十道。其中一百七十六道要求新建或修改獨立文件。專家給每道題編寫逐項判定的評分細則,評審程序既能打開頁面看版式,也能檢查工作簿中的公式。這使研究者可以區分兩種看起來都像“完成了”的交件:一份表的列名、格式和求和公式都正確,另一份表還從源材料中找齊了應計價的項目。兩者可能同時拿到格式分,漏項仍會反映在內容得分上。發佈說明 技術報告,第 2、3 節

同一項工具,在兩套題上值多少分

作者讓同一個 Gemini 4 Carbon 在相同的運行框架和二百五十輪上限內做題,只切換直接查看圖像的工具。兩組都可以運行代碼、提取文字、使用圖像處理庫。這樣的安排保留了一個現實選擇:讀不到原圖時,智能體可以花時間另想辦法。於是實驗同時測到了兩件事,一是最後還能交出什麼,二是為了補救又走了多少步。技術報告,第 4.3 節

在另一套專業工作評測 GDPval 的公開金標準子集上,關掉看圖後,按權重計算的全部評分項滿足率僅變動了正 0.08 個百分點,統計區間包含零。換到 MKA,相同口徑下降了 4.58 個百分點。如果只看先前模型未能穩定通過的評分項,也就是報告所稱的 Climb-WSR,降幅擴大到 5.94 個百分點。與此同時,平均交互輪數增至原來的 1.28 倍,輸出詞元數增至 1.40 倍。這裡每項分數衡量的是交件滿足了多少要求;不能據此換算出少完成了幾份工作。技術報告,表 5

難項也有具體的參照系。作者先讓四個較早的模型各做三次。只有四個模型都能至少兩次通過的條目,才歸入已穩定掌握的一組。這種分法有助於看清新模型在哪些要求上還會失手,但它隨所選參照模型而定;專業人員眼裡最難的判斷,未必恰好落在這一組。技術報告,第 3.4 節

為什麼程序能量出孔距,卻漏掉路坑

在一個零件可加工性審查案例裡,模型將圖紙的局部轉換成點陣,掃描邊緣,再用識別出來的尺寸標註把像素換算成英寸。清楚的直線和孔位經得起這番轉換。兩次關閉看圖的運行中,有一次找回了關鍵幾何問題,另一次漏掉了孔與孔、特徵與壁面之間的間距隱患。圖紙足夠規整時,腳本確實能保住一部分工程判斷,但能量出某個尺寸,離穩定地發現加工風險還有距離。技術報告,附錄 B

道路照片給了同樣的辦法另一種結局。在字符畫裡,凹坑還留著一團暗色;模型卻分不清那是向下陷的路面,還是瀝青本身的紋理。作者報告,這一道題的難項得分從 86.7% 降至 14.3%。缺陷一旦被漏掉,後續即使能讀懂費率表,也無從給它估價。這兩個案例是作者選來解釋行為差異的,不能拿它們估算所有照片或機械圖紙的出錯概率。技術報告,表 6 與圖 9

接下來該複查哪一環

一個值得單獨核對的數字是自動評審與專家判斷的 96.2% 一致率。驗證覆蓋五十道任務,重點抽取權重較高的評分項,並平衡了通過與未通過的樣本。因此,這個數字可以幫助讀者判斷評審程序在這批逐項判定上有多可靠。要知道它會不會放過一份外觀漂亮、恰好漏了關鍵缺陷的報告,還要追查雙方在哪些條目上有分歧,以及那些條目會不會改變使用者的決定。技術報告,第 3.3、6 節

目前能公開查看的是十道另設的展示題。輸入文件、任務說明和評分細則可供檢查,兩百道正式題由合作方保管。本文依據公開技術報告解讀,本次檢索未找到第三方重複上述看圖對照的結果。最值得等的是另一種模型在同一批材料上的逐項記錄:如果它也能從圖紙補回尺寸,卻反覆漏掉照片裡未寫進日誌的缺陷,就更有理由把這種差異歸到材料本身。如果它能穩定補回漏項,值得回頭研究的便是第一個模型選擇了怎樣的讀圖方法。公開數據卡 評測入口

參考資料

  1. Google DeepMind 發佈說明,2026 年 11 月 10 日
  2. MKA 技術報告,重點見表 5、表 6 與附錄 B
  3. Artificial Analysis 評測與建築審查樣題
  4. Google 發佈的十道 MKA 展示題與數據卡

作者作品推廣

除了寫技術博客,我也在做一些讓日常更有條理的小工具,歡迎瞭解我獨立開發的兩款 App:

  • 日常收支小記:記下收支,也給每一筆錢安排好去處。記錄日常賬目,安排預算與儲蓄目標。在 App Store 瞭解。
  • 一事微光:從一件小事開始,讓今天多一點微光。按當下的時間和精力選擇行動,記錄完成後的感受與發現。在 App Store 瞭解。

更多技術文章和個人作品,歡迎來我的網站:zffjzz.top。也歡迎把使用感受告訴我,讓這些小工具慢慢變得更好。