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

清华发布OSWorld-Science评测基准

本文针对AI能否自主操作科研软件完成真实科研任务的问题，介绍了清华大学牵头多机构推出的OSWorld-Science，这是面向真实科研场景的智能体评测基准，包含146项真实科研任务，评测了12个主流模型，曝光了当前智能体的能力短板，为领域研究提供了统一评测基础。

本文介绍了斯坦福等多校研究者提出的机器人评测基准LIBERO-MAX，针对机器人执行任务中途环境变化的痛点，设计配对测试方案，经大规模仿真评测现有模型性能，为机器人动态鲁棒性改进提供标准化测试平台。

单个AI Agent能力不断提升，但多智能体协作能力缺乏系统评测。本文介绍新推出的AgentWorld评测基准，结合长时程任务、角色不对称与黑盒交互，评测多智能体协作能力，给出主流大模型的协作表现数据。

本文围绕云栖大会阿里巴巴发布的新一代多模态生成模型家族展开，介绍多模态大模型的技术演进方向，分析其对专业内容生产领域的改变与落地价值。