MMEnterprise-Bench：评估企业智能体在动态多模态记录上的表现

研究者推出 MMEnterprise-Bench，包含 1,613 个基于模拟协作项目动态多模态记录的问题，覆盖证据推理、冲突消解与不可回答三类。对 10 个专有和开源多模态 LLM 的评测显示，最强模型在跨来源或时间冲突、多图证据场景下仍表现吃力。提高检索预算或换用更大检索器能提升证据召回率，却未稳定转化为更高答题准确率。