BEAR-Bench：英俄企业文档多模态推理基准，评测16个多模态模型

研究者发布BEAR-Bench，一个基于英语和俄语文本密集型商业与科学文档、包含1000个人工标注问题的自包含多模态推理基准。作者评测了16个专有及开放权重多模态大语言模型（含Gemini 3.1 Pro和Qwen3.5-397B），并观察到最强系统仍有明显提升空间；研究还利用模型输出比较了现有幻觉检测方法对模型失败的识别可靠性。 材料仅提供论文摘要，基准的完整实验细节未说明。

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。