首個多模態通才段位榜出爐 GPT-4V僅達Level-2

評測背景概述

多模態大模型近年的發展相當迅速，從只能理解單一模態，進化至可同時處理圖像、文本、音頻甚至視頻，但如何客觀衡量其綜合能力一直缺乏共識。

過去常用的評測方式是將多個任務的分數簡單疊加，以「更多任務上更高分」判斷模型強弱，這種做法被研究者認為難以反映模型的真實水平。