SEED-Bench

SEED-Bench

多模态大语言模型评估基准

SEED-Bench是一个全面评估多模态大语言模型的基准测试。它包含28K个多项选择题,涵盖34个评估维度,包括文本和图像生成能力。该项目提供SEED-Bench-H、SEED-Bench-2-Plus等多个版本,分别针对不同评估方面。SEED-Bench为研究人员提供了一个客观比较多模态大语言模型性能的工具。

SEED-Bench多模态大语言模型基准测试评估维度人工智能Github开源项目

SEED-Bench: 多模态大语言模型基准测试

SEED-Bench-H

SEED-Bench-2-Plus Arxiv

SEED-Bench-2 Arxiv

SEED-Bench-1 Arxiv

<img src="https://yellow-cdn.veclightyear.com/2b54e442/6f295ad4-8cc6-4057-8778-6dd4acdbc0aa.jpg" width = "600" alt="图片名称" align=center />

SEED-Bench-H 是对之前 SEED-Bench 系列(SEED-Bench、SEED-Bench-2、SEED-Bench-2-Plus)的全面整合,并增加了额外的评估维度。它包含 28K 个具有精确人工标注的多项选择题,涵盖 34 个维度,包括对文本和图像生成的评估。

SEED-Bench-2-Plus 包含 2.3K 个具有精确人工标注的多项选择题,涵盖三大类别:图表、地图和网络,每个类别都涵盖了现实世界中广泛的富文本场景。

SEED-Bench-2 包含 24K 个具有准确人工标注的多项选择题,涵盖 27 个维度,包括对文本和图像生成的评估。

SEED-Bench-1 包含 19K 个具有准确人工标注的多项选择题,涵盖 12 个评估维度,包括空间和时间理解。

新闻

[2024.7.11] SEED-Bench-HSEED-Bench-2-PlusSEED-Bench-2SEED-Bench-1 数据在 ModelScope 上发布,感谢 ModelScope 社区

[2024.6.18] SEED-Bench-2 现可在 VLMEvalKit 上评估,感谢 kennymckormick

[2024.5.30] 我们发布了 SEED-Bench-H,这是对之前 SEED-Bench 系列(SEED-BenchSEED-Bench-2SEED-Bench-2-Plus)的全面整合,并增加了额外的评估维度。额外的评估维度包括图像到 Latex、视觉故事理解、少样本分割、少样本关键点、少样本深度和少样本目标检测。详情请参阅 SEED-Bench-H。相应的数据集发布在 SEED-Bench-H

[2024.5.25] SEED-Bench-2-Plus 现可在 VLMEvalKit 上评估,感谢 kennymckormick

[2024.4.26] 我们很高兴宣布发布 SEED-Bench-2-Plus,这是一个专门为富文本视觉理解设计的基准测试。相应的数据集发布在 SEED-Bench-2-Plus

[2024.4.23] 我们很高兴分享 Gemini-Vision-ProClaude-3-OpusSEED-Bench-1SEED-Bench-2 上的全面评估结果。您可以在 SEED-Bench 排行榜 上查看详细性能。请注意,对于 Gemini-Vision-Pro,我们仅报告模型在任务中至少 50% 有效数据响应时的任务性能。

[2024.2.27] SEED-BenchCVPR 2024 接收。

[2023.12.18] 我们已放置 GPT-4vSEED-Bench-1SEED-Bench-2 上的全面评估结果。这些结果可在 GPT-4V for SEED-Bench-1GPT-4V for SEED-Bench-2 查看。如果您感兴趣,欢迎查看。

[2023.12.4] 我们已更新 SEED-Bench-2SEED-Bench 排行榜。此外,我们还更新了 GPT-4vSEED-Bench-1SEED-Bench-2 上的评估结果。如果您感兴趣,请访问 SEED-Bench 排行榜 了解更多详情。

[2023.11.30] 我们已更新 SEED-Bench-v1 JSON(手动筛选视频的多项选择题)并提供相应的视频帧以便更容易测试。请参阅 SEED-Bench 了解更多信息。

[2023.11.27] SEED-Bench-2 发布!数据和评估代码现已可用。

[2023.9.9] 我们正在积极寻找自我激励的实习生。如果您感兴趣,请随时联系我们。

[2023.8.16] SEED-Bench 排行榜 发布!您现在可以上传您的模型结果。

[2023.7.30] SEED-Bench 发布!数据和评估代码现已可用。

排行榜

欢迎访问 SEED-Bench 排行榜

排行榜提交

您现在可以在 SEED-Bench 排行榜 上提交您的模型结果。您可以使用我们的评估代码来获取 'results' 文件夹中的 'results.json',如下所示。

python eval.py --model instruct_blip --anno_path SEED-Bench.json --output-dir results --task all

然后您可以在 SEED-Bench 排行榜 上上传 'results.json'。

提交后,请按刷新按钮获取最新结果。

数据准备

您可以从 HuggingFace 仓库下载 SEED-Bench 发布的数据:SEED-BenchSEED-Bench-2SEED-Bench-2-PlusSEED-Bench-H。 此外,您可以从ModelScope下载数据。 数据准备请参考DATASET.md

安装

请参考INSTALL.md

运行评估

请参考EVALUATION.md

许可证

SEED-Bench在Apache License Version 2.0下发布。

声明

SEED-Bench-2-Plus

数据来源:来自互联网的CC-BY许可下的数据。

如果您认为任何数据侵犯了您的权利,请与我们联系,我们将删除它。

SEED-Bench-2

数据来源:

如果您认为任何数据侵犯了您的权利,请与我们联系,我们将删除它。

SEED-Bench-1

对于SEED-Bench-1的图像,我们使用来自Conceptual Captions数据集(https://ai.google.com/research/ConceptualCaptions/)的数据, 遵循其许可证(https://github.com/google-research-datasets/conceptual-captions/blob/master/LICENSE)。 腾讯不拥有这些图像的版权,版权属于Conceptual Captions数据集的原始所有者。

对于SEED-Bench-1的视频,我们使用来自Something-Something v2(https://developer.qualcomm.com/software/ai-datasets/something-something), Epic-kitchen 100(https://epic-kitchens.github.io/2023)和 Breakfast(https://serre-lab.clps.brown.edu/resource/breakfast-actions-dataset/)的数据。我们只提供视频名称。请在他们的官方网站下载它们。

引用

如果您发现这个仓库有用,请考虑引用它:

@article{li2024seed2plus,
  title={SEED-Bench-2-Plus: Benchmarking Multimodal Large Language Models with Text-Rich Visual Comprehension},
  author={Li, Bohao and Ge, Yuying and Chen, Yi and Ge, Yixiao and Zhang, Ruimao and Shan, Ying},
  journal={arXiv preprint arXiv:2404.16790},
  year={2024}
}

@article{li2023seed2,
  title={SEED-Bench-2: Benchmarking Multimodal Large Language Models},
  author={Li, Bohao and Ge, Yuying and Ge, Yixiao and Wang, Guangzhi and Wang, Rui and Zhang, Ruimao and Shan, Ying},
  journal={arXiv preprint arXiv:2311.17092},
  year={2023}
  }

@article{li2023seed,
  title={Seed-bench: Benchmarking multimodal llms with generative comprehension},
  author={Li, Bohao and Wang, Rui and Wang, Guangzhi and Ge, Yuying and Ge, Yixiao and Shan, Ying},
  journal={arXiv preprint arXiv:2307.16125},
  year={2023}
}

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多