AI 答对了，但它可能根本不知道证据在哪？答案全对却指不出证据：多模态智能体被曝 37% 推理缺口，最高分仅 63

大白话以前测多模态模型，大多只看它能不能认对物体、答对问题，比如给段视频问「这是什么」，答对就算过。但这个新基准换了玩法：先让智能体找对素材，再定位到具体片段，最后给出理由。结果发现，很多系统答案挺准，可一到「证据在哪」就露馅，证据分比答案分低了约 37%。更扎心的是，它们在排版好看上平均能拿 81.8 分，内容和引用质量却只有 45 分上下，等于报告写得漂亮，底子不牢。

对你意味着如果你用 AI 做视频调研、资料整理，这条提醒你：答案对不代表靠得住，得看它能不能指出出处。