Evaluation results of MultiFAR for component ablation analysis.

NIAID Data Ecosystem2026-05-10 收录

数据链接：

https://figshare.com/articles/dataset/Evaluation_results_of_MultiFAR_for_component_ablation_analysis_/30441971 数据链接链接失效反馈

官方服务：

资源简介：

Evaluation results of MultiFAR for component ablation analysis.

创建时间：

2025-10-24

dinhanhx/crossmodal-3600

多语言字幕

多模态评估

Crossmodal-3600数据集是一个包含3600张图像的多语言多模态评估数据集，这些图像来自世界各地，覆盖了36种语言区域，并且每张图像都有人工生成的参考标题。数据集的设计旨在避免直接翻译带来的注释伪影，并确保所有语言的标题风格一致。该数据集用于大规模多语言图像字幕模型的模型选择，并展示了使用XM3600作为自动指标的黄金参考时与人类评估结果的强相关性。

Hugging Face2023-06-06 更新520

H2VU-Benchmark

视频理解

多模态评估

H2VU-Benchmark是由OPPO人工智能中心构建的层次化全景视频理解基准数据集，涵盖从3秒短视频到1.5小时长视频的完整时间谱系。该数据集包含10,183个评估任务，覆盖离线通用视频和在线流媒体视频两大场景，整合了传统感知推理与创新的反常识理解、状态轨迹追踪等47种核心能力维度。通过光学流动态筛选和对话内容识别等三重质量管控流程构建，该基准旨在解决现有视频理解模型在长时序依赖、动态场景适应

arXiv2025-05-28 更新200

happy8825/MMLongBench_var4_deepeyes_multiturn_deterministic

多模态评估

多轮对话

### MMLongBench – 2025-12-14 13:43 UTC ``` Average accuracy: 46.74% (1072 samples with scores) Subset metrics by evidence source: Pure-text (Plain-text): sam

Hugging Face2025-12-14 更新70

pkulium/D-SQA

多模态评估

模型评估

这是一个基于[derek-thomas/ScienceQA](https://huggingface.co/datasets/derek-thomas/ScienceQA)的分散版本数据集，用于`lmms-eval`管道中以一键评估大型多模态模型。数据集包含四个不同的配置（D-SQA-AC, D-SQA-AI, D-SQA-IC, D-SQA-II），每个配置包含图像、问题、选择、答案等特征，并且

Hugging Face2024-05-16 更新380

llava-critic-113k

多模态评估

自然语言处理

# Dataset Card for LLaVA-Critic-113k - 🪐 Project Page: https://llava-vl.github.io/blog/2024-10-03-llava-critic/ - 📰 Paper: https://arxiv.org/abs/2410.02712 - 🤗 Huggingface Collection: https://hug

魔搭社区2026-06-18 更新150

Evaluation results of MultiFAR for component ablation analysis.

资源简介：

相关数据集