OmniFood-Bench：评估VLM的营养推理与个性化健康建议

大型视觉语言模型（VLM）快速整合进关键基础设施，有望革命化个性化医疗与饮食管理。但在食物系统领域，自主智能体面临独特而持续的挑战：视觉外观与内在营养构成之间的“系统性信息不对称”。既有基准主要聚焦粗粒度分类任务（如食物类别识别）——无法评估真实饮食管理所需的复杂推理链：特别是从识别隐藏食材到估计物理质量、再综合安全攸关医疗建议的穿越能力。本文引入OmniFood-Bench：从MM-Food-100K数据集构建的综合基准。与既往工作不同，OmniFood-Bench跨三项渐进能力评估VLM：基础感知（食材与烹饪方式）、定量推理（份量与营养分析）与安全攸关建议（疾病专属推荐）。我们评估六个最先进VLM——包括gpt-5.1、gemini-3-flash与qwen3-vl-8B。大量实验揭示惊人的“语义—物理差距”：模型在菜名识别上达到近人类准确率，却在质量估计上灾难性失败，并常为高风险糖尿病画像幻觉良性建议。本工作为部署于公共卫生的自主智能体建立可信度的严格标准。