当前的 MLLMs 仍然无法进行需要深度视觉与文本融合的复杂多模态推理！一项最新研究推出的 EMMA 基准测试，如同一面「照妖镜」，揭示了即使是顶尖 MLLMs 也在这关键能力上显著不足。 「三个点电荷 + Q、-2Q 和 + 3Q 等距放置，哪个向量最能描述作用在 + Q 电荷上的 ...