MMBench是一个用于评估多模态模型性能的基准测试平台,提供多种评估指标和数据集,帮助用户了解和比较不同模型的性能。适用于多模态模型的研究和开发领域。
FlagEval - 排行榜是一个用于评估自然语言处理、计算机视觉、多模态和音频等领域模型性能的平台,提供多个评测领域和评测指标,帮助用户评估模型性能并进行比较。