يقدم المؤلفون OmniFood-Bench، وهو معيار شامل تم بناؤه من مجموعة بيانات MM-Food-100K لتقييم نماذج Vision-Language Models (VLMs) في الاستدعاء الغذائي والنصائح الصحية الشخصية. على عكس المعايير السابقة التي تركز على التصنيف الخشن، تقيّم هذه العمل ثلاث قدرات متدرجة: الإدراك الأساسي للمكونات وطرق الطهي، والاستدلال الكمي لحجم الحصة والتوصيف الغذائي، والنصيحة الحرجة للسلامة للتوصيات الخاصة بالمرض.
- يقيم المعيار ستة نماذج VLMs state-of-the-art، بما في ذلك gpt-5.1 وgemini-3-flash وqwen3-vl-8B.
- تكشف التجارب عن "Semantic-Physical Gap" حيث تحقق النماذج دقة قريبة من البشر في تسمية الأطباق لكنها تفشل بشكل كارثي في تقدير الكتلة.
- غالبًا ما تتوهّم النماذج نصائح غير ضارة لملفّات مرض السكري عالية المخاطر، مما يسلط الضوء على مشاكل موثوقية كبيرة في تطبيقات الصحة العامة.
تؤسس هذه العمل معيارًا صارمًا لموثوقية الوكلاء المستقلين المُنتشرين للصحة العامة من خلال كشف هذه الفشل الحرجة في الاستدلال.