Kimi 开源 WorldVQA：评测多模态大模型视觉世界知识

Kimi 团队开源 WorldVQA 基准，用于评测多模态大模型对视觉世界知识的掌握是否真实，而非仅凭视觉模式产生幻觉。该数据集包含 3500 组图像-问题对，覆盖 9 大类，并区分常见与长尾知识，前沿模型在长尾视觉知识上准确率常低于 50%。Kimi-K2.5 在置信度校准上表现最佳，ECE 为 37.9%、Slope 为 0.550，但所有评测模型均明显过度自信。