💡
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
文章讨论了多模态大语言模型（MLLM）的发展，特别是在图文生成方面的挑战与进展。上海人工智能实验室提出了OpenING基准，包含5400个真实场景的图文实例，旨在提升模型的生成能力和评测准确性。新评估模型IntJudge通过人机协作标注，显著提高了评测一致性。研究表明，当前模型在图像生成质量上仍需改进，未来将继续扩展数据和优化模型。
🎯
关键要点
- 多模态大语言模型（MLLM）旨在复刻人类理解和生成视觉与语言信息的能力。
- 当前大部分MLLM仍局限于处理单一图像或文本，难以实现流畅的多模态交错生成。
- 上海人工智能实验室提出了OpenING基准，包含5400个真实场景的图文实例，旨在提升模型生成能力和评测准确性。
- OpenING基准涵盖23个现实领域和56个具体任务，提供高质量的标注数据。
- 评估模型IntJudge通过人机协作标注，显著提高了评测一致性，减少了传统模型的偏见。
- IntJudge的训练数据包括高质量对比数据和参考增强生成数据，提升了评测模型的鲁棒性。
- OpenING采用类ELO机制的相对评分策略，提供客观性能评测排行榜。
- 当前主流多模态模型在图文一致性和视觉质量方面表现优异，但图像生成质量仍需改进。
- 研究发现当前模型存在图像质量差、内容不一致等问题，为未来优化指明方向。
- OpenING团队已开源基准数据和评测模型，鼓励更多研究者参与，共同推动图文交错生成领域的发展。
❓
延伸问答
OpenING基准的主要目标是什么？
OpenING基准旨在提升多模态大语言模型的生成能力和评测准确性，特别是在图文交错生成任务中。
IntJudge评估模型的创新之处在哪里？
IntJudge通过人机协作标注和参考增强生成技术，显著提高了评测的一致性和准确性，减少了传统模型的偏见。
当前多模态模型在图像生成方面存在哪些问题？
当前多模态模型在图像生成质量上普遍存在视觉质量差、内容不一致等问题，亟需改进。
OpenING基准包含多少个图文实例？
OpenING基准包含5400个真实场景的图文实例。
OpenING基准如何确保数据的真实性和一致性？
OpenING通过专业团队的严格把关和精细化的标注流程，确保了数据的一致性与真实性。
未来OpenING团队的计划是什么？
OpenING团队计划继续扩展数据规模与多样性，优化评测模型，并推动更接近真实应用场景的研究。
➡️
