MMEnterprise-Bench

MMEnterprise-Bench 是一个针对企业 Agent 的评测基准，用模拟协作项目中的多模态记录来检验 Agent 的推理能力。

MMEnterprise-Bench 基于模拟协作项目构建了 1,613 个问题，覆盖证据推理、冲突消解和不可回答性识别三类任务。

在 MMEnterprise-Bench 的实验中，研究团队评测了 10 个闭源和开源多模态大模型。

论文实验显示，即使最强模型在跨来源或时间冲突面前也表现吃力。

MMEnterprise-Bench 的代码和数据已公开。