# 多模態評估

TinyLLaVA-Video-R1是基於可溯源訓練模型TinyLLaVA-Video的小規模視頻推理模型，通過強化學習顯著提升了推理與思維能力，並展現出'頓悟時刻'的湧現特性。

IntJudge-8B是一個用於評估開放式多模態生成方法的評判模型，基於Qwen2-VL-7B-Instruct構建，與人類判斷的一致率達到82.42%。

這是一個與transformers兼容的視覺語言模型，具備圖像理解和文本生成能力

UIClip 是一個通過文本描述量化用戶界面（UI）截圖設計質量與相關性的多模態模型。

ChartVE是一種視覺蘊含模型，用於評估生成標題句子相對於輸入圖表的事實準確性。