PATE-Forensics：把检测定位变成工具，让冻结的通用MLLM直接解释深度伪造
提出 Perception-as-Tool 范式，将检测与定位外置为取证感知工具，为冻结的通用 MLLM 提供结构化取证上下文以生成解释，无需任务特定微调。
MLLM
PathoArgus：病理问答的准确率，能证明模型真的在看切片吗？
提出PathoArgus-Bench基准与PathoArgus读取器，系统评估并揭示当前MLLM在全切片病理问答中证据获取与证据响应之间的显著差距。
EgoMonth：月级第一视角视频如何暴露多模态模型的长期记忆断层
EgoMonth 提出首个跨 20–120 天、301 小时第一视角日常视频的月级基准，用 1,443 个人工 QA 和 14 任务三层认知框架评估 MLLM 的长期时空记忆，发现最强模型 Gemini 2.5 Pro 仅 71.8%，比人类低 22.4 个百分点。
文档MLLM的关系型隐私泄露：当视觉证据消失，模型靠记忆联合泄密
本文揭示文档MLLM在视觉证据缺失时会依赖记忆的字段关联联合泄露多个敏感字段，并提出动态关系解耦遗忘框架DRUF及基准DocPrivacyBench来缓解该风险。
上下文盲区：为什么DPO缓解幻觉会失效，以及如何校准
提出Contextual Preference Gain (CPG)指标揭示现有DPO类方法的上下文盲区，并设计C2-DPO通过显式最大化CPG来缓解MLLM物体幻觉。
Diagram-MMU：科学图表的解析、编辑与问答，模型到底卡在哪一步？
Diagram-MMU 是首个同时评估 MLLM 在科学图表解析、编辑与问答三项任务上基础能力与智能体能力的 TikZ 基准，覆盖 6 类图表、3.7k 张图与 18.3k 个样本。
从体育到安全：多模态大模型为何“看见”危险却“看不懂”因果？
提出SPRINT基准，通过2888个真实体育视频评估MLLMs的主动物理危险预警能力，揭示模型在危险感知与因果理解之间存在巨大差距，且高度依赖提示词。