bench@1.1.4

LLaVA-Bench：基于 GPT-4 的多模态对话评测

利用 GPT-4 作为裁判，在多模态对话场景下对模型输出进行相对评分，衡量视觉对话质量。

SEED-Bench：大规模多模态生成评测基准

了解 SEED-Bench 的多维度生成式评测，涵盖图像和视频理解，为多模态模型提供精细化能力诊断。

MMBench：多模态语言模型的系统化评测基准

学习使用 MMBench 对多模态模型进行评估，其覆盖 20 个能力维度，以选择题形式衡量模型的视觉理解。

多模态大模型评测：MMBench 与视频理解基准

了解多模态大模型的评测体系，学习 MMBench、SEED-Bench 等基准如何衡量模型的视觉感知与推理。

MT-Bench：多轮对话能力与 LLM-as-Judge 评判

了解 MT-Bench 如何设计多轮对话问题，并用 GPT-4 作为裁判对回复打分，弥补单轮评测不足，衡量模型的对话连贯性与指令跟随。