黑龙江省网站建设_网站建设公司_SSL证书_seo优化

司南·Daily Benchmark 专区今日上新！

MTMCS-Bench

多轮多模态上下文安全评测基准，基于真实图像与多轮对话，围绕两种互补的风险设置来评估 MLLMs 的上下文安全性：升级式风险与语境切换风险。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2006757

MedGaze-Bench

首个将临床医生视线作为“认知光标”来评估模型意图理解能力的评测基准，覆盖外科手术、急诊模拟与影像诊断解读等多种临床场景。

https://hub.opencompass.org.cn/daily-benchmark-detail/2601%2006750