本文探讨了多模态大型语言模型（MLLMs）在预测推理方面的能力，提出了新的基准测试，评估其在抽象推理、人类活动预测和物理交互预测中的表现。研究开发了三种评估方法，验证了模型在多模态上下文中的推理能力，并指出了当前模型的优缺点，为未来模型的发展提供了标准化框架。

该文章介绍了一个新的基准测试，用于评估多模式大型语言模型在预测推理方面的能力。该测试针对三个领域，进一步开发了三种评估方法。实验证实了该测试和评估方法的合理性，并揭示了当前流行的多模式大型语言模型在预测推理任务中的优缺点。