研究者发布企业多模态智能体评测基准

研究者提出 MMEnterprise-Bench，这是一个包含 1,613 道问题的基准，用于评估智能体在模拟协作项目不断演化的多模态工作记录上的表现，涵盖证据推理、冲突消解和不可回答三类任务，论文称代码与数据已公开。 对 10 个闭源与开源多模态大模型的评测显示，最强模型在跨来源或跨时间的冲突、以及证据分散在多张图片时仍表现吃力。研究者称，提高检索预算或换用更大的检索器能提升证据召回率，但未稳定转化为更高的答题准确率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。