A Survey on Benchmarks of Multimodal Large Language Models

本文是LLM系列文章，针对《A Survey on Benchmarks of Multimodal Large Language Models
》的翻译。

摘要

多模态大语言模型基准调查多模态大语言模型（MLLM）由于其在视觉问答、视觉感知、理解和推理等各种应用中的出色表现，在学术界和工业界越来越受欢迎。在过去的几年里，人们付出了巨大的努力来从多个角度审视 MLLM。本文对 MLLM 的 200 个基准和评估进行了全面回顾，重点关注 (1) 感知和理解、(2) 认知和推理、(3) 特定领域、(4) 关键能力和 (5) 其他模式。最后，我们讨论了当前 MLLM 评估方法的局限性，并探讨了有前景的未来方向。我们的主要论点是，评估应被视为更好地支持 MLLM 发展的关键学科。有关更多详细信息，请访问我们的GitHub存储库：https://github.com/swordlidev/Evaluation-Multimodal-LLMs-Survey。

1 引言

2 前言

3 感知与理解

4 认知与推理

5 特定领域

6 关键能力

7 其他模态

8 结论

评估具有深远的意义，在AGI模型的发展中变得势在必行。它确保模型不仅按预期运行，而且满足所需的准确性、