一站式追踪多模态大模型前沿论文、评测基准与开源数据集【免费下载链接】Awesome-Multimodal-Large-Language-Models:sparkles::sparkles:Latest Advances on Multimodal Large Language Models项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Multimodal-Large-Language-Models多模态大模型论文几乎天天更新评测基准和训练数据集又散落在不同仓库里想追一篇新工作经常要翻半天。Awesome-Multimodal-Large-Language-Models 这个仓库把 MLLM 领域的前沿内容按时间线整理成了一张地图8 大主题的论文追踪、多篇综述论文、覆盖图文视频的评测基准都收在同一个仓库里。读完你能得到仓库三大板块的一页总览图按任务挑选多模态大模型评测基准的路径一条命令 clone 下来、5 分钟上手的流程 项目全貌这个仓库像一份多模态大模型领域的实时年鉴它自己并不训练模型而是持续收录论文、数据集和基准测试且每条都标注发表时间与代码链接。仓库由南京大学 MiG 实验室维护顶部 Highlights 区固定展示三大方向三篇综述论文其中 MME-Survey 和多模态统一理解生成综述均为 2025 年发表、VITA 系列全模态模型、MME 系列评测基准。下面这条时间线覆盖了 2022 年至今的代表工作你可以用它快速定位某个方向的起点是谁、最近谁接棒。 核心能力拆解论文追踪按主题检索按时间排序当你需要为论文写相关工作、或想摸一个方向的家底时直接进 Awesome Papers 分区。它按多模态指令微调、幻觉、上下文学习、思维链推理、RLHF 等 8 个主题分表每行给出发表venue、日期和代码链接且按时间倒序排列——指令微调这一张表从 2022 年的 Flamingo 一路更新到 2026 年的最新工作。关键要点找论文先选主题表再顺着日期往下读前 3 行比全网搜索高效得多想系统入门某个方向先看 Highlights 里的综述。评测基准按任务选一套当你需要量化比较两个模型的多模态能力时仓库的 Evaluation 和 Benchmarks 表收录了 50 多个基准。图像理解选 MMENeurIPS 2025 DB Highlight视频分析选 Video-MMECVPR 2025高分辨率真实场景选 MME-RealWorld。最新的 Video-MME-v2 基于超过 3300 人时的人工标注构建并附官方排行榜——标注量足够大意味着榜单排名更有说服力适合做模型选型依据。关键要点先问自己任务是图像还是视频再选对应基准别把 50 多个全跑一遍。全模态模型看VITA系列实时交互如果你需要实时视觉-语音交互能力仓库把 VITA 系列单独列为一个板块VITA-1.5 是 NeurIPS 2025 Highlight 论文主打接近 GPT-4o 级别的实时交互Long-VITA 则把上下文扩展到 100 万 token用于超长视频场景。关键要点每个模型都附论文与代码链接先看模型卡确认模态覆盖视觉、音频、动作再决定是否复现。 快速上手克隆仓库git clone https://gitcode.com/GitHub_Trending/aw/Awesome-Multimodal-Large-Language-Models打开 README.md用顶部 Table of Contents 定位到 Awesome Papers 或 Awesome Datasets 分区。在论文表中选一个主题如 Multimodal Hallucination按日期倒序读最新几行Code 列直达代码。在 Benchmarks for Evaluation 表挑基准MME 的评测工具可从 Evaluation 分支获取引用格式可直接取仓库内的 images/bib_mme.txt。想系统入门读 images/bib_survey.txt 对应的统一多模态综述配图就在本仓库 images 目录。你遇到的情况处理方式主表里搜不到某篇论文换主题表找幻觉、RLHF、推理类各有独立分区不知道该跑哪个基准图像任务跑 MME视频任务跑 Video-MME真实场景跑 MME-RealWorld评测基准怎么选选型对比基准适用场景核心特点MME图像理解基础能力感知认知双维度子任务配套开箱即用评测工具Video-MME视频分析首个综合性视频评测基准CVPR 2025Video-MME-v2更严格的视频评测3300 人时人工标注附官方排行榜MME-RealWorld真实场景泛化高分辨率实拍专挑人类都做错的难题进阶技巧引用复用——MME 和两篇综述的 BibTeX 已放在 images 目录写论文时直接拷贝省去手排分支思维——评测代码和数据集放在 Evaluation、Benchmarks 等分支里clone 后可用git checkout切换不用另找仓库。资源与学习路径README.md仓库主页三大 Highlights 加完整目录一切从这页开始images/bib_survey.txt统一多模态理解与生成综述的引用模板images/bib_mme.txtMME 基准的引用模板images/wechat-group.pngMLLM 微信交流群二维码遇到问题可以进组讨论这个仓库更新节奏跟着 arXiv 走建议 star 收藏后每周花十分钟扫一眼指令微调表的首行。有具体任务时先翻基准表、再找模型是最快的路径。【免费下载链接】Awesome-Multimodal-Large-Language-Models:sparkles::sparkles:Latest Advances on Multimodal Large Language Models项目地址: https://gitcode.com/GitHub_Trending/aw/Awesome-Multimodal-Large-Language-Models创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考