MLLM 作为评判者：以视觉 - 语言基准评估多模态 MLLM

多模式大型语言模型在预测推理方面的能力尚未得到充分探索。研究者引入了一个新的基准测试，评估这些模型在不同情境下的预测推理能力。通过实验证实了基准测试的合理性，并揭示了当前流行的多模式大型语言模型在预测推理任务中的优缺点。这个基准测试为多模式大型语言模型提供了一个标准化的评估框架，并促进了更先进的模型的发展。