OralMLLM-Bench：评估牙科实践中多模式 大语言模型 的认知能力

多模态 大语言模型 (MLLM) 已成为牙科图像分析的一个有前途的范例。然而，他们捕获放射线照相分析所需的多层次认知过程的能力仍不清楚。在这里，我们提出了一个全面的基准来评估 MLLM 在牙科射线照相分析中的认知能力。它涵盖三种关键的成像模式，即根尖周、全景和侧位头影测量X光片，并定义了四个认知类别：感知、理解、预测和决策。该基准包括源自公共数据集的 27 项临床基础任务，以及手动注释和 3,820 项临床医生评估。评估了六种前沿 MLLM，包括 GPT-5.2 和 GLM-4.6。我们展示了 MLLM 和临床医生在牙科实践中的绩效差距，描述模型的优势和局限性，描述失败模式，并提供改进建议。该数据资源将促进与牙科实践中的临床认知、安全要求和工作流程复杂性相一致的下一代人工智能系统的开发。