MMBench是一个多模态基准测试由上海人工智能实验室、南洋理工大学、香港中文大学、新加坡国立大学和浙江大学的研究人员推出。该体系开发了一个综合评估流程从感知到认知能力逐级细分评估覆盖20项细粒度能力从互联网与权威基准数据集采集约3000道单项选择题。打破常规一问一答基于规则匹配提取选项进行评测循环打乱选项验证输出结果的一致性基于ChatGPT精准匹配模型回复至选项。
MMBench的特点和优势
基于感知与推理将评估维度逐级细分。约3000道单项选择题覆盖目标检测、文字识别、动作识别、图像
理解、关系推理等20个细粒度评估维度
更具鲁棒性的评估方式。相同单选问题循环选项提问模型输出全部指向同一答案认定为通过相比传统1次性通过评估top-1准确率平均下降10%~20%。最大程度减少各种噪声因素对评测结果的影响保证了结果的可复现性。
更可靠的模型输出提取方法。基于ChatGPT匹配模型输出与选项即使模型未按照指令输出也可准确匹配至最合理选项
?
