生成多模态模型是上下文学习耠

MMMU是一个新的基准，用于评估多模态模型在大规模跨学科任务上的表现。它包含11500个多模态问题，涵盖六个核心学科和30个学科和183个子领域。MMMU侧重于使用领域特定知识进行高级感知和推理，对14个开源LMM和专有的GPT-4V进行了评估。结果显示，即使是先进的GPT-4V也只能达到56％的准确率。MMMU将推动构建面向专家人工通用智能的下一代多模态基础模型。