MDK12-Bench 是一个大规模多学科多模态推理基准，通过真实 K-12（小学到高中）考试题目评估多模态大语言模型（MLLM）的推理能力。与数据量小、领域窄的现有基准不同，MDK12-Bench 包含 14 万个推理实例，横跨数学、物理、化学、生物、地理和信息科学 6 个学科，配有 6827 个实例级知识点注释、详细答案解释和难度标签。
创新的动态评估框架通过对”问题形式”、“问题类型”和”图像风格”进行引导变化来缓解数据污染问题。广泛实验揭示了当前最先进 MLLM 在多模态推理方面的显著局限，为下一代模型的开发提供了有价值的洞察。开源于 GitHub。