LADBench：图像逻辑故障检测基准

大型视觉语言模型（VLM）在视觉问答和语义定位方面表现优异，但其自主逻辑推理能力尚待探索。现有异常基准多关注视觉错误或直接提示，缺乏开放世界部署所需的物理与社会常识。为此，本文提出 LAD-Bench，包含四个领域逾千张含逻辑异常的合成图像。此外，设计了基于渐进式披露的分层提示协议，以量化模型定位和推理逻辑故障所需的显式辅助程度。评估显示主流模型存在显著缺陷，即便最佳模型准确率仅 70.11%，且在获得深层提示后仍常失败。该基准为提升自主视觉系统的安全性、可靠性及认知对齐提供了严谨框架。