本文提出了BenchLMM基准测试，评估大型多模态模型对不同样式变化的鲁棒性。研究发现，LMMs在使用其他样式时普遍性能下降。通过提示LMMs预测样式来增强推理能力，提出了一种通用且无需训练的方法改进LMMs。希望该基准测试和分析能为开发智能通用的LMMs提供新思路。

本文提出了BenchLMM基准测试，用于评估大型多模态模型对不同样式变化的鲁棒性。研究发现，LMMs在使用其他样式时普遍性能下降，并且在一个样式上表现好并不意味着在其他样式上也表现好。通过提示LMMs预测样式来增强其推理能力，提出了一种通用且无需训练的方法来改进LMMs。希望该基准测试和分析能够为开发更智能和通用的LMMs提供新思路。