BabyVision – UniPat AI团队推出的多模态理解评测集

BabyVision是什么

BabyVision是 UniPat AI团队推出的多模态理解评测集，评估多模态语言模型（MLLMs）和图像生成模型在视觉推理任务上的表现。包含两个主要赛道：MLLM评估和生成评估。评测集设计了四大视觉能力类别，包括精细辨别、视觉追踪、空间感知和视觉模式识别，共22项子任务，总计388道题目。这些任务严格控制语言依赖，以真实反映模型的视觉理解能力。

BabyVision的主要功能

• 评估多模态模型的视觉推理能力：通过设计严格的视觉任务，测试多模态语言模型（MLLMs）和图像生成模型在纯视觉场景下的表现，揭示模型在视觉理解方面的短板。