聲明：該文章由作者（美谷朱里）發(fā)表，轉(zhuǎn)載此文章須經(jīng)作者同意并請(qǐng)附上出處(0XUCN)及本頁鏈接。。

MMBench是多模態(tài)基準(zhǔn)測試，由上海人工智能實(shí)驗(yàn)室、南洋理工大學(xué)、香港中文大學(xué)、新加坡國立大學(xué)和浙江大學(xué)的研究人員聯(lián)合推出。MMBench推出一個(gè)綜合評(píng)估流程，從感知到認(rèn)知能力逐級(jí)細(xì)分評(píng)估，覆蓋20項(xiàng)細(xì)粒度能力，從互聯(lián)網(wǎng)與權(quán)威基準(zhǔn)數(shù)據(jù)集采集約3000道單項(xiàng)選擇題。打破常規(guī)一問一答基于規(guī)則匹配提取選項(xiàng)進(jìn)行評(píng)測，循環(huán)打亂選項(xiàng)驗(yàn)證輸出結(jié)果的一致性，基于ChatGPT精準(zhǔn)匹配模型回復(fù)至選項(xiàng)。MMBench涵蓋多種任務(wù)類型，如視覺問答、圖像描述生成等，基于綜合多維度指標(biāo)，為模型提供全面的性能評(píng)估。MMBench 的排行榜展示不同模型在這些任務(wù)上的表現(xiàn)，幫助研究者和開發(fā)者了解當(dāng)前多模態(tài)技術(shù)的發(fā)展水平，推動(dòng)相關(guān)領(lǐng)域的技術(shù)進(jìn)步。

MMBench主要功能

• 細(xì)粒度能力評(píng)估：將多模態(tài)能力細(xì)分為多個(gè)維度（如感知、推理等），針對(duì)每個(gè)維度設(shè)計(jì)相關(guān)問題，全面評(píng)估模型的細(xì)粒度能力。

• 大規(guī)模多模態(tài)數(shù)據(jù)集：提供約 3000 個(gè)多項(xiàng)選擇題，覆蓋 20 種能力維度，支持模型在多種場景下的性能測試。

• 創(chuàng)新評(píng)估策略：采用“循環(huán)評(píng)估”策略，用多次循環(huán)推理測試模型的穩(wěn)定性，減少噪聲影響，提供更可靠的評(píng)估結(jié)果。

• 多語言支持：提供英文和中文版本的數(shù)據(jù)集，支持對(duì)模型在不同語言環(huán)境下的能力評(píng)估。

• 數(shù)據(jù)可視化：支持?jǐn)?shù)據(jù)樣本的可視化，幫助用戶更好地理解數(shù)據(jù)結(jié)構(gòu)和內(nèi)容。

• 官方評(píng)估工具：提供 VLMEvalKit，支持對(duì)多模態(tài)模型的標(biāo)準(zhǔn)化評(píng)估，并可用于提交測試結(jié)果獲取準(zhǔn)確率。

• 基準(zhǔn)測試與排行榜：排行榜展示不同模型在 MMBench 數(shù)據(jù)集上的性能表現(xiàn)，為研究者提供參考。

如何使用MMBench

• 安裝依賴：確保安裝必要的工具和庫。MMBench 官方推薦使用其評(píng)估工具 VLMEvalKit。通過以下命令安裝。

• 下載數(shù)據(jù)集：從 MMBench 官方 GitHub 倉庫：https://github.com/open-compass/mmbench/下載數(shù)據(jù)集。根據(jù)需求選擇 VLMEvalKit 格式或 Legacy 格式的數(shù)據(jù)集。例如，下載 MMBench-Dev 數(shù)據(jù)集：

• 加載和瀏覽數(shù)據(jù)：用 VLMEvalKit 提供的腳本加載和查看數(shù)據(jù)樣本。以下是示例代碼：

• 模型推理：用你的多模態(tài)模型對(duì)數(shù)據(jù)集進(jìn)行推理。以下是一個(gè)示例命令，使用 llava_v1.5_7b 模型進(jìn)行推理：

• 
  

• 運(yùn)行后，推理結(jié)果將保存為一個(gè) Excel 文件，例如：llava_v1.5_7b/MMBench_DEV_EN.xlsx。

• 評(píng)估模型性能：用 VLMEvalKit 對(duì)模型的預(yù)測結(jié)果進(jìn)行評(píng)估。評(píng)估工具根據(jù) MMBench 的標(biāo)準(zhǔn)計(jì)算準(zhǔn)確率等指標(biāo)。

• 提交測試結(jié)果：

• 使用測試集數(shù)據(jù)進(jìn)行推理，生成預(yù)測結(jié)果文件（如 llava_v1.5_7b/MMBench_TEST_EN.xlsx）。
• 登錄 MMBench 領(lǐng)先榜上傳預(yù)測結(jié)果文件。
• 領(lǐng)先榜將自動(dòng)計(jì)算并展示模型在各個(gè)能力維度上的性能表現(xiàn)。

• 在 MMBench 領(lǐng)先榜上提交測試結(jié)果，按照以下步驟操作：

MMBench的應(yīng)用場景

• 模型性能評(píng)估：MMBench 提供全面的多模態(tài)基準(zhǔn)測試平臺(tái)，能對(duì)視覺語言模型在不同任務(wù)和能力維度上的表現(xiàn)進(jìn)行細(xì)粒度評(píng)估，幫助研究者和開發(fā)者清晰了解模型的強(qiáng)項(xiàng)和弱項(xiàng)，為模型優(yōu)化提供方向。

• 學(xué)術(shù)研究支持：研究人員用 MMBench 數(shù)據(jù)集進(jìn)行新模型的開發(fā)和驗(yàn)證，推動(dòng)多模態(tài)技術(shù)的前沿研究。

• 工業(yè)應(yīng)用開發(fā)：在工業(yè)領(lǐng)域，企業(yè)評(píng)估和選擇適合其產(chǎn)品的多模態(tài)模型，確保所采用的模型在實(shí)際應(yīng)用場景中具備足夠的性能和穩(wěn)定性，提高產(chǎn)品的市場競爭力。

• 教育與培訓(xùn)：作為教學(xué)資源，幫助學(xué)生和研究人員更好地理解多模態(tài)模型的評(píng)估方法和應(yīng)用場景，基于實(shí)踐項(xiàng)目和課程練習(xí)提升對(duì)多模態(tài)技術(shù)的理解和應(yīng)用能力。

• 跨領(lǐng)域應(yīng)用：MMBench 的多模態(tài)數(shù)據(jù)集涵蓋多個(gè)領(lǐng)域，如文化、科學(xué)、醫(yī)療等，例如 CCBench（中國文化相關(guān)基準(zhǔn)測試）能評(píng)估模型在特定文化領(lǐng)域的表現(xiàn)，推動(dòng)文化研究和跨文化交流。

[超站]友情鏈接：

四季很好，只要有你，文娛排行榜：https://www.yaopaiming.com/
關(guān)注數(shù)據(jù)與安全，洞悉企業(yè)級(jí)服務(wù)市場：https://www.ijiandao.com/