MMEnterprise-Bench: 评测企业级智能体在多模态演化记录中的表现

研究者推出 MMEnterprise-Bench 基准，包含 1,613 个基于多模态演化记录的问题，涵盖证据推理、冲突解决和不可回答性三类。评测 10 个多模态大语言模型发现，即使最强模型在处理跨源或时间冲突证据时表现不佳，且增加检索预算未显著提升答案准确性。代码和数据已开源。