# 多模态评估

TinyLLaVA-Video-R1是基于可溯源训练模型TinyLLaVA-Video的小规模视频推理模型，通过强化学习显著提升了推理与思维能力，并展现出'顿悟时刻'的涌现特性。

IntJudge-8B是一个用于评估开放式多模态生成方法的评判模型，基于Qwen2-VL-7B-Instruct构建，与人类判断的一致率达到82.42%。

这是一个与transformers兼容的视觉语言模型，具备图像理解和文本生成能力

UIClip 是一个通过文本描述量化用户界面（UI）截图设计质量与相关性的多模态模型。

ChartVE是一种视觉蕴含模型，用于评估生成标题句子相对于输入图表的事实准确性。