StoneX AI导航工具AI模型评测
MMBench
MMBench是多模态基准测试，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联合推出。MMBench推出一个综合评估流…
MMBench是什么
- MMBench是多模态基准测试，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联合推出。MMBench推出一个综合评估流程，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涵盖多种任务类型，如视觉问答、图像描述生成等，基于综合多维度指标，为模型提供全面的性能评估。MMBench 的排行榜展
MMBench主要功能
- 细粒度能力评估：将多模态能力细分为多个维度（如感知、推理等），针对每个维度设计相关问题，全面评估模型的细粒度能力。
- 大规模多模态数据集：提供约 3000 个多项选择题，覆盖 20 种能力维度，支持模型在多种场景下的性能测试。
- 创新评估策略：采用“循环评估”策略，用多次循环推理测试模型的稳定性，减少噪声影响，提供更可靠的评估结果。
- 多语言支持：提供英文和中文版本的数据集，支持对模型在不同语言环境下的能力评估。
- 数据可视化：支持数据样本的可视化，帮助用户更好地理解数据结构和内容。
- 官方评估工具：提供 VLMEvalKit，支持对多模态模型的标准化评估，并可用于提交测试结果获取准确率。
如何使用MMBench
- 安装依赖：确保安装必要的工具和库。MMBench 官方推荐使用其评估工具 VLMEvalKit。通过以下命令安装。
- 下载数据集：从 MMBench 官方 GitHub 仓库：https://github.com/open-compass/mmbench/下载数据集。根据需求选择 VLMEvalKit 格式或 Legacy 格式的数据集。例如，下载 MMBench-Dev 数据集：
- 加载和浏览数据：用 VLMEvalKit 提供的脚本加载和查看数据样本。以下是示例代码：
- 模型推理：用你的多模态模型对数据集进行推理。以下是一个示例命令，使用 llava_v1.5_7b 模型进行推理：
- 运行后，推理结果将保存为一个 Excel 文件，例如：llava_v1.5_7b/MMBench_DEV_EN.xlsx。
- 评估模型性能：用 VLMEvalKit 对模型的预测结果进行评估。评估工具根据 MMBench 的标准计算准确率等指标。