返回评测
多模态 VLM-推理 未饱和 模态 · 图文 任务 · 选择 / 判断

GeoBench

根据街景照片猜测国家和精确坐标,需要视觉识别、文字提取和地理推理

LM Council ·

考察能力

地理推理 街景识别 文字提取 空间推理

构建信息

数据规模
动态
构建方式
GeoGuessr 风格
评测方式
距离误差
核心指标
距离误差 (km)

资源链接

模型效果排行

🥇 Gemini 2.5 Pro
~95km 中位误差 2025-11

为什么重要

受 GeoGuessr 启发,根据街景照片猜测国家和精确坐标。需要视觉识别+文字提取+地理知识。

构建方式与示例

给一张街景照片,模型输出经纬度。需要识别路牌语言、建筑风格、植被特征等。

关联基准与展望

关联:RealWorldQA。不足:主要覆盖发达国家,发展中国家街景数据少。

地理 视觉 街景