一个名为OmniFood-Bench的新基准已被开发出来，用于评估视觉语言模型（VLMs）在食物营养推理和提供个性化健康建议方面的能力。该基准建立在MM-Food-100K数据集之上，评估了VLMs在基本感知、营养成分量化推理以及安全关键性建议能力方面的表现。对GPT-5.1、Gemini 3 Flash和Qwen3-VL 8B等模型的初步评估显示，它们在识别食物项目与准确估算份量或提供安全医疗建议（特别是针对高风险人群）的能力之间存在显著差距。 AI
影响 强调了在医疗保健等关键应用中对更强大的视觉语言模型的需求，表明当前模型在个性化健康建议方面尚不可信。
排序理由 该集群描述了一个评估现有模型的新学术基准和研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08423v1 Announce Type: new Abstract: The rapid integration of Large Vision-Language Models (VLMs) into critical infrastructure promises to revolutionize personalized healthcare and dietary management. However, in the domain of food systems, autonomous agents face a uni…
The rapid integration of Large Vision-Language Models (VLMs) into critical infrastructure promises to revolutionize personalized healthcare and dietary management. However, in the domain of food systems, autonomous agents face a unique and persistent challenge: the "Systemic Info…