2026年10月22日，研究者在arXiv提交论文《CellTrack-Bench: Microscopic Cell Tracking Benchmark for Vision-Language Models》，提出一个面向显微细胞跟踪的视觉语言模型评测基准。论文原文
该基准整合15个标准细胞跟踪数据集，覆盖4种成像模态，包含1537道问题和9041次细胞关联判断。任务重点不是单张图像分类，而是判断细胞在连续显微图像中的时空对应关系，因此更接近生物影像分析中的实际推理需求。
论文还构建了一个较难的子集：研究者通过筛选不同专用跟踪算法共同失败的案例，集中考察模型在复杂或模糊场景下的判断能力。研究团队据此评估了9个闭源前沿模型和13个开放权重模型，并分析视觉语言模型的主要失败模式，同时提供代码、模型输出及从源数据重建基准的流程。
这项工作的价值在于把“模型能否看懂生物图像”进一步拆分为可复现的细胞级关联决策，而不是只依赖总体准确率。对医疗和生命科学应用而言，视觉语言模型即使具备较强的通用图像理解能力，也不意味着能够替代针对细胞轨迹设计的专用算法；数据集差异、时间连续性、细胞遮挡和标注标准仍可能显著影响结果。
需要注意的是，该信息来自arXiv论文页面，页面显示的提交日期为2026年10月22日，本文未核实其后续同行评审或正式发表状态。因此，当前更适合将CellTrack-Bench视为一个新的评测资源和研究方向信号，而不是已经得到临床验证的系统性能结论。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
