算法论文8

MME - Emotion 评测：多模态大模型情感智能不足

机器之心2026-03-15

AI 摘要

香港中文大学和阿里通义实验室团队：提出 MME - Emotion 评测基准，评测 20 个主流多模态大模型，发现模型情感智能不足，未来发展需关注视觉建模、信息融合和推理机制。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

RefCaptioner 让视频与参考图精准对应

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。

原推出RoboTwin系列基准的团队带来RoboDojo，这是统一的仿真+真实世界机器人操作评测基准。它设42个仿真任务、18个真实任务，让30个主流策略竞技，结果显示机器人距通用操作差距大。

过去一年，‘世界模型’成视频生成领域热词，厂商强调产品要模拟真实世界运行规律，但业界评测一直未能精准检验其‘物体恒存’的认知能力。为此，研究者提出新基准MemoBench，测试了主流模型，揭示其短板。

随着多模态大模型发展，Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准，解耦真实度为三维度，对 8 款前沿模型测试，揭示 Agent 在多步交互微操上的短板。