लेखकों ने OmniFood-Bench पेश किया है, जो MM-Food-100K डेटासेट से बना एक व्यापक बेंचमार्क है ताकि पोषण तर्क और व्यक्तिगत स्वास्थ्य सलाह पर Vision-Language Models (VLM) का मूल्यांकन किया जा सके। कच्ची ग्रेन्यूक्लेशन वर्गीकरण पर ध्यान केंद्रित करने वाले पिछले बेंचमार्क्स के विपरीत, यह कार्य तीन प्रगतिशील क्षमताओं का आकलन करता है: सामग्री और पकाने की विधियों की मूलभूत संवेदनशीलता, हिस्से के आकार और पोषण प्रोफाइलिंग के लिए मात्रात्मक तर्क, और रोग-विशिष्ट अनुशंसाओं के लिए सुरक्षा-महत्वपूर्ण सलाह।
- बेंचमार्क छह अत्याधुनिक VLMs का मूल्यांकन करता है, जिसमें gpt-5.1, gemini-3-flash और qwen3-vl-8B शामिल हैं।
- प्रयोगों ने एक "समान्तरिक-भौतिक अंतर" को उजागर किया जहां मॉडल व्यंजन के नामकरण में मानव-निकट सटीकता प्राप्त करते हैं लेकिन द्रव्यमान अनुमान में विनाशकारी रूप से असफल होते हैं।
- मॉडल अक्सर उच्च-जोखिम वाले मधुमेह प्रोफाइल के लिए हानिरहित सलाह का भ्रम (hallucinate) करते हैं, जो सार्वजनिक स्वास्थ्य अनुप्रयोगों में विश्वसनीयता के महत्वपूर्ण मुद्दों को उजागर करता है।
यह कार्य सार्वजनिक स्वास्थ्य के लिए तैनात स्वचालित एजेंट्स की विश्वसनीयता के लिए एक कठोर मानक स्थापित करता है, इन महत्वपूर्ण तर्क विफलताओं को उजागर करके।