用户称多款模型无法识别Cubana运营的Il-96飞机并产生幻觉。
推荐理由：案例暴露视觉模型在长尾类别上会自信错判，且推理模型未能利用排除法收敛；这指向多模态评测仍缺少细粒度真实世界识别压力测试。
阅读原文