每日 AI 评测速递来啦(12.12)
MMSI-Video-Bench
一个用于评估多模态大模型 连续视觉输入空间理解能力的评测基准,基于 1,278 个来自 25 个公开数据集与自采视频的片段,共构建了 1,106 个问题,并围绕 感知、规划、预测与跨视频推理四个层级进行体系化设计。
https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2010863
MiSI-Bench
一个面向“微观空间智能”的系统化评测基准,包含逾 16.3 万个问答对、58.7 万张由约 4,000 个分子结构生成的图像,覆盖九类互补任务,评估模型从基本空间变换到复杂关系识别的多层次能力。
https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2010867
MotionEdit-Bench
一个专注于“动作中心图像编辑”能力的评测基准,从生成式、判别式和偏好式三类指标对模型能力进行全面衡量。
https://hub.opencompass.org.cn/daily-benchmark-detail/2512%2010284
7372

被折叠的 条评论
为什么被折叠?



