论文链接	作用	发现的问题	发表时间
https://arxiv.org/pdf/2602.12196	评估MLLM在基础教育学段，真实场景的Visual Problems；	（1）spatial ceiling，即在空间问题上的表现效果不好	2026/02

这篇论文的重点是在说作者自己为什么要提出这个benchmark，原因有：

（1）当前的MLLM的推理能力差，需要使用一个benchmark来衡量；

（2）当前已有的benchmark均不是立足真实的小学教育评估情景。比如：ARC/MM-IQ 这类人工构造的谜题，单独考察抽象能力，却缺乏教学相关性；Math-visa 这类竞赛题考察的高阶数学推理（文字），反映的是我专门的学术情景，而非基础学习。

MLLM推理主要集中在三大方面：

• Synthetic abstract Reasoning
• Academic Mathmetical Reasoning
• Research-Focused Visual Reasoning

1，Synthetic Abstract Reasoning

典型case就是：找规律的题

• 经典方法：https://neurips.cc/virtual/2024/poster/97456

2，Academic Mathematical Reasoning

3，Research-Focused Visual Reasoning

以研究为导向的VR。

数据集中的case

各大模型在 VRB 上的效果