本研究提出了一种基于文本中心的多模态评估方法，旨在解决课堂话语评估的不足。通过注意力机制和多任务学习，评估自然话语、提问和解释的质量。结果表明，文本模态主导，音频特征提升了模型与人类评分的一致性，为自动评估课堂话语质量奠定了基础。

本研究分析了临床疼痛评估的自动化方法，旨在开发高性能计算技术以实现自动评估。提出了单模态和多模态评估流程，并展示了其有效性，对人工智能领域具有重要影响。

OmniEvalKit是一个新型评估工具箱，采用模块化架构，支持100多个大型语言模型和50个评估数据集，能够实现多语言、多领域及多模态的综合评估，提升了AI社区的应用便利性。