北京市科学技术研究院

本数据集适用于图像-文本大模型跨模态视觉理解与推理能力的评估，特别是在对抗性攻击鲁棒性测试和视觉问答任务中。从感知、推理，对每幅图像设置A B C D 4个文字选项，评估图像-文本大模型的多维度图像识别与判断能力。 使用条件：数据集以图像-问题-候选答案三元组形式构成，需结合图像与文本问答对进行模型训练或测试；适用于计算机视觉、自然语言处理、多模态学习等领域。 适用范围：可用于图像分类、目标定位、属性识别、场景理解、空间关系推理、身份识别、等视觉推理任务。 适用对象：人工智能研究人员、模型评估机构、高校大模型研发团队。 解决的主要问题： 测试模型在对抗攻击环境下的鲁棒性，并提供标准化的图文问答评测数据，用于量化模型在视觉理解于推理任务重的表现； 增强模型对复杂视觉场景的理解与推理能力； 支持对模型在细粒度视觉问答任务上的性能评估。