LiveK12Bench：大型多模态模型真的征服了高中水平的考试吗？

针对现有基准无法反映真实考试复杂性的问题，本文提出 LiveK12Bench，一个动态、全学科的多模态基准。该基准包含 2000 多道源自最新真实试卷的验证题目，涵盖数理化生等学科。其创新点包括自动获取最新试题以防止数据泄露，以及提出“模拟考试”评估方案，测试模型端到端自主完成考试的准确与高效推理路径。实验表明，在严格约束下先进模型性能显著下降，暴露了其在复杂视觉布局等方面的推理缺陷。