MMStar

MMStar

大型视觉语言模型评估的新标准

MMStar是一个创新的多模态评估基准,包含1500个精选的视觉关键样本。它解决了现有评估中的视觉冗余和数据泄露问题,提高了多模态性能评估的准确性。MMStar涵盖6大核心能力和18个细分维度,每个核心能力均衡分配250个样本。项目提供评估工具、数据集和在线排行榜,为视觉语言模型研究指明新方向。

MMStar多模态评估视觉语言模型基准测试人工智能Github开源项目

<img src="https://yellow-cdn.veclightyear.com/ab5030c0/1099b83c-51c3-49fc-8375-9b0a9117ee11.png" style="vertical-align: -10px;" :height="50px" width="50px"> MMStar

🌐 主页 | 🤗 数据集 | 📖 论文 | 🏆 排行榜

本仓库包含论文"我们是否正确评估大型视觉语言模型?"的官方评估代码和数据集。

💡 亮点

  • 🔥 导致当前LVLM能力误判的两个关键问题
  • 🔥 一个精英视觉不可或缺的多模态基准,MMStar
  • 🔥 两个指标:多模态增益(MG)和多模态泄露(ML)

📜 新闻

[2024.4.16] 🚀 MMStar已在VLMEvalKit仓库和OpenCompass排行榜中得到支持。

[2024.4.2] 🚀 Huggingface数据集评估代码已可用!

[2024.4.1] 🚀 我们发布了ArXiv论文

👨‍💻 待办事项

  • MMStar的评估代码
  • 支持在线排行榜
  • 筹备在线测试集,MMStar-test(这涉及与现有包含受保护测试集的多模态基准合作,欢迎联系我们!)

👀 介绍

我们深入研究了当前的评估工作,并识别出两个主要问题:

(1) 许多样本中视觉内容是不必要的。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/a33e2ab7-5357-4188-8073-d3fc41e01f21.png" :height="200px" width="700px"> </p>

(2) LLM和LVLM训练中存在无意的数据泄露。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/089f28a6-6b20-452f-9a8b-8942a20bb9e2.png" :height="200px" width="500px"> </p>

这两个问题都导致了对实际多模态性能增益的误判,并可能误导LVLM的研究。为此,**我们提出了MMStar,一个由人工精心挑选的1,500个挑战样本组成的精英视觉不可或缺的多模态基准。**经过粗略筛选和人工审核,我们从总共22,401个样本中筛选出11,607个候选样本,最终选择1,500个高质量样本构建我们的MMStar基准。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/3b6f0c4f-1643-4da2-9332-4ffe0d8cabdc.png" :height="200px" width="600px"> </p>

在MMStar中,我们在内环展示了6个核心能力,外环呈现了18个详细轴。中环展示了每个详细维度的样本数量。每个核心能力包含精心平衡的250个样本。我们进一步确保了18个详细轴之间的相对均匀分布。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/ab5030c0/faaa2299-bb6a-44f8-982e-d18bfd4f3d91.png" :height="400px" width="400px"> </p>

🤖 评估

您可以按照评估指南在我们的MMStar上评估任何LLM和LVLM。

🏆 排行榜

🎯 MMStar的排行榜正在持续更新,欢迎贡献您的LVLM!

请注意,为了全面评估您自己的LVLM,您需要提供三个xlsx格式的结果文件。这些应包括您的LVLM带视觉输入的结果、您的LVLM不带视觉输入的结果,以及您的原始LLM基础模型不带视觉输入的结果。我们在submits文件夹中提供了提交格式。完成上述步骤后,请通过chlin@mail.ustc.edu.cn与我们联系,提交您的结果并更新排行榜。

📧 联系方式

✒️ 引用

如果您发现我们的工作对您的研究有帮助,请考虑给予星标⭐和引用📝

@article{chen2024we, title={Are We on the Right Way for Evaluating Large Vision-Language Models?}, author={Chen, Lin and Li, Jinsong and Dong, Xiaoyi and Zhang, Pan and Zang, Yuhang and Chen, Zehui and Duan, Haodong and Wang, Jiaqi and Qiao, Yu and Lin, Dahua and others}, journal={arXiv preprint arXiv:2403.20330}, year={2024} }

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多