以下是原文 正文：香港中文大学MMLab推出MME-CoT基准，用于评估大型语言模型的视觉推理能力。MME-CoT涵盖了数学、科学、逻辑等多个领域，并引入了严格的评估框架。实验结果显示，Kimi k1.5在CoT质量上表现最优，而o3-mini在鲁棒性和效率方面更胜一筹。研究还发现，长CoT不一定涵盖关键步骤，模型参数量越大，推理能力越强。MME-CoT为评估LMM的推理能力提供了系统化基准，推动了该领域的发展。