FAM-Bench：面向病症感知的食疗推理多模态基准

食疗（Food-as-Medicine）要求模型超越判断一道菜是什么或含哪些营养：它们必须决定某个具体的食物选择是否适合特定健康状况。现有食物AI基准主要评估菜品识别、食谱理解、营养素估计或一般性营养问答，使这一健康感知决策层基本未被测试。我们提出FAM-Bench，一个多模态食疗基准，含2500个经营养专家核实的实例，覆盖13种与饮食相关的健康状况。该基准包含两个互补任务：菜品级适宜性评估，模型根据菜品图像与配料表判断该菜品是否适合某病症；对比性菜品分析，模型按病症特定适宜性对四道候选菜品排序。两个任务都需要整合配料证据、视觉制备线索与临床营养约束，为语言模型与视觉-语言模型中有据可依的健康感知推理提供了标准化试验场。