Tag · 2 篇
人工标注基准
01 02
RealUnify：统一模型真的从统一中获益吗？一个全面的基准
RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark
对做统一多模态模型（理解+生成）的研究者，这个基准提供了可复用的双向协同评测协议：把任务拆成理解阶段与生成阶段分别打分，能定位瓶颈是核心能力不足还是能力整合失败，可直接用来诊断自家统一模型的训练策略与归纳偏置设计。
Omni IIE Bench：面向图像编辑模型实用能力的基准
Omni IIE Bench: Benchmarking the Practical Capabilities of Image Editing Models
为指令式图像编辑模型提供按语义尺度分层的诊断基准，可用于暴露模型在属性修改与实体替换之间的性能不一致，并指导多轮编辑一致性的评测协议设计。