MDU 多语言文档理解基准评测 45 个 VLM，最佳平均分仅 69.0

新论文发布 MDU 多语言文档理解基准，以 23146 个样例覆盖 13 类任务和 5 种语言，统一评测 45 个开源权重 VLM 及 1 个商用系统。最佳平均分为 69.0，仅 8 个系统达到 65 分以上，且两个最佳成绩来自 27B 模型，显示基准远未饱和、模型越大并不必然越强。