每日 AI 评测速递来啦（12.8）

司南·Daily Benchmark 专区今日上新！

VRT-Bench

一个由人工精细标注的视觉推理评测基准，专门用于衡量多模态大模型在“推理链追踪”任务中的能力。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2005091

GUIZoom-Bench

一个用于评估模型在 GUI 场景中对缩放操作适应能力的全新基准，旨在启发未来研究进一步利用缩放能力，促进 GUI Grounding 任务在训练阶段和测试阶段的扩展性提升。

https://hub.opencompass.org.cn/daily-benchmark-detail/2512.05941