每日 AI 评测速递来啦（12.1）

司南·Daily Benchmark 专区今日上新！

SO-Bench

系统评估多模态大模型在视觉场景下结构化输出能力的基准，覆盖四大视觉领域，包括 UI 界面、自然图像、文档以及图表，由超过 6,500 个多样化的 JSON 模式和 1,800 个人工精挑细选、质量经人工验证的图像-模式配对构成。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2021750

PMC-MI-Bench

一个专为评估医疗多模态大模型多图像理解与复合推理能力而构建的高质量基准

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2022232

CrossCheck-Bench

用于评估多模态大模型跨模态冲突检测能力的诊断型基准。它包含 1.5 万个来源于真实材料、并注入可控冲突的图文问答样例，覆盖从感知匹配到逻辑推理的多层任务复杂度。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2021717

REVEAL-Bench

首个面向 AI 生成图像检测的推理增强多模态基准，通过多轻量级专家模型构建证据链，记录逐步推理轨迹与论证，实现可验证、可解释的取证评估。

https://hub.opencompass.org.cn/daily-benchmark-detail/2511%2023158