人工审查

含创新指标的视觉语言模型多模态能力评估基准 MMStar汇集1500个经人工审查的视觉语言样本，覆盖6项核心多模态能力、18个细分评估维度。样本筛选严格控制视觉依赖性，最小化数据泄露问题，要求模型具备高级多模态能力才能完成测试。不同于传统基准仅统计准确率，MMStar新增两类专项指标，可衡量数据泄露影响与多模态训练的实际性能增益，帮助研究者定位模型潜在缺陷。