MMDU

MMDU（Multi-Turn Multi-Image Dialog Understanding）是一个旨在评估和提升大型视觉语言模型（LVLMs）在多轮和多图对话中的能力的数据集。该基准测试由110个高质量的多图像多轮对话组成，包含超过1600个问题，每个问题都附有详细的长答案。与以往的基准测试相比，MMDU在图像数量、问答轮数以及问答的上下文长度上都有显著增加，为现有的多模态大型模型带来了新的挑战。