# マルチモーダル評価

TinyLLaVA-Video-R1はトレーサビリティのある訓練モデルTinyLLaVA-Videoを基にした小規模動画推論モデルで、強化学習により推論力と思考力を大幅に向上させ、'ひらめきの瞬間'の創発特性を示します。

IntJudge - 8Bは、オープンエンドのマルチモーダル生成方法を評価するための評判モデルで、Qwen2 - VL - 7B - Instructをベースに構築され、人間の判断との一致率は82.42%に達します。

これはtransformersと互換性のある視覚言語モデルで、画像理解とテキスト生成能力を備えています

UIClipは、テキスト記述を通じてユーザーインターフェース（UI）スクリーンショットのデザイン品質と関連性を定量化するマルチモーダルモデルです。

評価タスク向けに開発された初のオープンソース視覚言語モデルで、GPT-4Vと人間の評価者との高い相関性を示す

ChartVEは、入力グラフに対する生成タイトル文の事実的精度を評価する視覚的含意モデルです。