全华人团队推出多模态大模型新基准，GPT-4o准确率仅为65.5%，所有模型最易犯感知错误

文章预览

王家豪 投稿自 凹非寺 量子位 | 公众号 QbitAI GPT-4o再次掀起多模态大模型的浪潮。 如果他们能以近似人类的熟练程度，在不同领域执行广泛的任务，这对许多领域带来革命性进展。 因而，构建一个全面的评估基准测试就显得格外重要。然而评估大型视觉语言模型能力的进程显著落后于它们自身的发展。 来自上海AI Lab、香港大学、上海交大、浙江大学等多家机构提出了 MMT-Bench。 这是一个全方位的多模态基准测试，旨在全面评估大型视觉语言模型（LVLMs）在多模态多任务理解方面的表现。 研究团队还对当前几个代表的视觉大模型进行了能力评估，结果发现 感知错误、推理错误 是所有模型最常见的两大错误。 多模态多任务AGI基准测试MMT-Bench MMT-Bench的广度体现在三个方面。 首先，MMT-Bench数据经过精心设计，包含32K个多选视觉语言问题，涵盖了32个核 ………………………………