arXiv new; ICML 2026; multimodal perception evaluation · P1 · 2026-06-30

PerceptionRubrics：它和通用视觉自监督的关系在于：PerceptionRubrics 把 VLM 视觉感知评测拆成原子 rubrics，可用于判断视觉表征是否真正保留细节

中高相关；详见方法、贡献和实验边界。

PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception　arXiv new; ICML 2026; multimodal perception evaluation　原文链接

编号2606.28322 优先级P1 类别arXiv new; ICML 2026; multimodal perception evaluation 会议arXiv new; ICML 2026; multimodal perception evaluation 方法PerceptionRubrics 把 VLM 视觉感知评测拆成原子 rubrics，可用于判断视觉表征是否真正保留细节来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：PerceptionRubrics 把 VLM 视觉感知评测拆成原子 rubrics，可用于判断视觉表征是否真正保留细节。中高相关；详见方法、贡献和实验边界。

**Figureure 11 · Distribution analysis of rubrics**Figure 11. Distribution analysis of rubrics. (a) Frequency distribution of the total rubrics count across the dataset. (b) Probability density comparison of rubrics count between Must-Right and Easy-Wrong categories.这张图/表用于判断 PerceptionRubrics 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

**Figureure 1 · Motivation of PERCEPTIONRUBRICS**Figure 1. Motivation of PERCEPTIONRUBRICS. Top: An existing benchmark favors GPT-4o despite key omissions, while humans prefer responses that capture more perceptually important details. Bottom: Compared with DetailCaps and DOCCI, PER-CEPTIONRUBRICS more clearly distinguishes model capabilities.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 PerceptionRubrics 的方法或实验，请结合正文精读段落一起看。

核心问题

它和通用视觉自监督的关系在于：PerceptionRubrics 把 VLM 视觉感知评测拆成原子 rubrics，可用于判断视觉表征是否真正保留细节。

方法拆解

PerceptionRubrics 把 VLM 视觉感知评测拆成原子 rubrics，可用于判断视觉表征是否真正保留细节

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。