본 논문은 인공 일반 지능(AGI) 달성을 위한 벤치마크인 Human-Aligned Bench를 제안합니다. 이 벤치마크는 인간 수준의 다중 모드 추론 정렬을 위한 세분화된 평가를 목표로, 중국어와 영어를 포함한 9,794개의 다중 모드 질문 (시각적 추론, 정의 판단, 유추 추론, 논리적 판단 등 4가지 유형)을 수집했습니다. 각 질문에는 인간의 정답률과 오답률이 높은 선택지가 함께 제공되어, 현존하는 다중 모드 대규모 언어 모델(MLLM)의 추론 능력과 인간의 능력 간 차이를 명확히 보여줍니다. 이를 통해 차세대 모델 개발에 대한 통찰력을 제공합니다.
