Skip to content
Hot eventLive

arXiv论文分析4万例Copilot图像上传对话

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv《Human-Computer Interaction》发表一项研究，分析 Microsoft Copilot 中 40,000+ 张图像上传对话，提出涵盖感知、认知与生成的十种能力分层框架。结果显示多数图像上传任务涉及多能力组合，多模态使用覆盖比纯文本更广、更依赖跨模态对齐；253 个现有基准对感知与推理覆盖集中，但文本、代码与数据生成等常见工作流测试不足，该结论在独立 ChatGPT 数据集上得到验证。

Generated from reports · updated 2 hr ago

LatestOct 2
研究基于 Copilot 真实对话数据，提出十种能力框架并指出多模态使用覆盖更广、跨模态对齐更关键。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Human-Computer Interaction
    从图像到任务：真实场景中多模态 LLM 交互的特征分析

    研究分析 Microsoft Copilot 中 40,000+ 张图像上传对话，提出涵盖感知、认知与生成十种能力的分层框架。多数图像上传任务涉及多能力组合，多模态使用覆盖比纯文本更广、更依赖跨模态对齐。253 个现有基准对感知与推理覆盖集中，文本、代码与数据生成等常见工作流测试不足，该结论在独立 ChatGPT 数据集上得到验证。

Heat trend

There is not enough continuous observation data to draw a trend yet.