MultivationBench：多模态序列动机推理基准

多模态大语言模型因其在社交智能方面的潜力而引发了浓厚兴趣；然而，其执行序列化动机推理的能力仍研究不足。现有评估主要考察静态文本或孤立的视觉快照，未能反映现实世界行为驱动因素的累积特性。为弥补这一空白，我们提出MultivationBench，一个旨在严格评估故事驱动视觉叙事中多模态动机推理的基准。该基准建立在成熟的心理学框架——Maslow需求层次理论与Reiss基本欲望理论——之上，要求模型整合累积的多模态上下文以推断不断演变的动机。结果表明，MultivationBench构成了重大挑战：所有受测模型都难以在序列上下文中保持一致的动机推理，揭示出静态识别能力与类人社会理解所必需的动态推理之间的关键脱节。