MMOOC: A Comprehensive Benchmark for Out-of-Context Evaluation in Multimodal Large Language Models

• 类型：arxiv
• 标识：2607.27637
• 链接：https://arxiv.org/abs/2607.27637
• 主分类：evaluation
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar
• S2被引：0
• 影响力被引：0
• TLDR：This work presents MMOOC, a large-scale benchmark for evaluating refusal and robust answering abilities of MLLMs, and introduces an LLM-as-a-Judge metric to assess the correctness of model reasoning.
• 副分类：multimodal
• 待LLM分类：否
• 标题中文：MMOOC：面向多模态大语言模型上下文外评估的综合基准
• TLDR中文：本文提出 MMOOC，一个用于评估 MLLMs 拒答与鲁棒回答能力的大规模 benchmark，并引入 LLM-as-a-Judge 指标来衡量模型推理的正确性。
• 来源文件：
• /inbox/tom/_candidates/2026-08-11-agent-rag-longcontext-candidates.json
• [S2 enrich]