本研究提出Touchstone基准，旨在解决医学分割领域测试集规模小和指标简单的问题，从而更有效地评估AI算法在真实场景中的表现，推动医学AI的创新。

我们提出了一种使用大视觉语言模型评估多模态对话质量的方法。通过构建综合的视觉对话数据集和图像注释，我们能够直接评估大视觉语言模型的能力，为其评估提供参考。