MMEnterprise-Bench：评测多模态记录演进下的企业智能体

论文提出基准测试 MMEnterprise-Bench，包含 1,613 个基于模拟协作项目中演进多模态记录的问题。 评测涵盖证据推理、冲突解决和不可回答性三类任务，测试了 10 个专有及开源多模态 LLM。 结果显示最强模型在跨源或时间冲突证据面前仍表现挣扎，增加检索预算或未显著提高答案准确率。