MMTBENCH는 실제 세계의 다양한 출처에서 가져온 500개의 실제 다중 모드 테이블로 구성된 벤치마크입니다. 총 4021개의 질문-답변 쌍으로 구성되며, 질문 유형은 명시적, 암시적, 답변 언급, 시각 기반의 네 가지, 추론 유형은 수학적, 극값 식별, 사실 확인, 시각 기반, 기타의 다섯 가지, 테이블 유형은 단일/다중 엔티티, 엔티티가 있는 지도 및 차트, 단일/다중 차트, 지도 및 시각화의 여덟 가지를 포함합니다. 현존 최고 성능 모델에 대한 광범위한 평가 결과, 특히 시각 기반 추론과 다단계 추론이 필요한 질문에서 상당한 성능 차이가 있음을 보여줍니다. 이는 시각 및 언어 처리를 더욱 긴밀하게 통합하는 향상된 아키텍처의 필요성을 시사합니다. 실제 작업의 복잡성을 반영하는 도전적이고 고품질의 리소스를 제공함으로써 MMTBENCH는 다중 모드 테이블에 대한 미래 연구를 위한 귀중한 자원임을 강조합니다.