提出 HippoCamp 基准,用于评估多模态智能体在真实、大规模、用户中心化的个人文件系统(42.4 GB,2K+ 文件)中进行搜索、多模态感知与长程推理的能力,揭示当前最先进模型在用户画像任务上仅达 48.3% 准确率,主要瓶颈在于多模态感知与证据锚定。
机构:NTU
来源:arXiv 2604.01221 | AI4Papers 论文推荐平台