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

多模态大型语言模型（MLLM）在学术界和工业界越来越受欢迎，因为它们在视觉问答、视觉感知、理解和推理等各种应用中表现出色。在过去几年中，人们从多个角度对MLLM进行了大量研究。本文对MLLM的180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，以及（5）其他模式。最后，我们讨论了当前MLLM评估方法的局限性，并探索了有前景的未来方向。我们的主要论点是，评估应被视为一门关键学科，以更好地支持MLLM的发展。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