多模态大型语言模型（MLLMs）在处理欺骗性信息时仍存在挑战。为评估其脆弱性，提出了MAD-Bench基准，包含1000个测试样本，分析多种模型表现。GPT-4o的准确率为82.82%，而其他模型仅为9%至50%。建议在欺骗性提示中增加段落以提高准确率，但整体表现仍不理想。希望MAD-Bench能促进进一步研究。