Giới thiệu
Bộ đánh giá vào tháng 7 năm 2026 kiểm thử liệu các mô hình ngôn ngữ đa phương thức có thể tạo giao diện trực quan hóa nhiều chế độ xem có thể thực thi từ thiết kế thị giác hay không. MV-Bench sử dụng các sổ làm việc Tableau làm dữ liệu chuẩn có cấu trúc và đánh giá độ trung thực thị giác, liên kết dữ liệu, tương tác có phối hợp cùng khả năng thực thi mã.
Tóm tắt
Điểm mới đáng chú ý của MV-Bench:
1. Vượt ra ngoài diện mạo của một màn hình: Kiểm thử các bảng điều khiển phối hợp với nhiều chế độ xem được liên kết
2. Bộ đánh giá có thể thực thi: Cung cấp 1,048 trường hợp đã được xác minh cùng mã nguồn, giao diện đã kết xuất, bộ dữ liệu và chú giải tương tác
3. Dữ liệu chuẩn có cấu trúc: Rút ra liên kết và tương tác từ 92 sổ làm việc Tableau
4. Đánh giá ngữ nghĩa: Đo độ chính xác dữ liệu và tính đầy đủ của tương tác bên cạnh độ trung thực thị giác
5. Khoảng cách năng lực đáng kể: Mô hình mạnh nhất được kiểm thử đạt độ chính xác bố cục 75.45% nhưng chỉ đạt độ chính xác liên kết dữ liệu 21.71% và độ chính xác tương tác 11.68%
1. Vượt ra ngoài diện mạo của một màn hình: Kiểm thử các bảng điều khiển phối hợp với nhiều chế độ xem được liên kết
2. Bộ đánh giá có thể thực thi: Cung cấp 1,048 trường hợp đã được xác minh cùng mã nguồn, giao diện đã kết xuất, bộ dữ liệu và chú giải tương tác
3. Dữ liệu chuẩn có cấu trúc: Rút ra liên kết và tương tác từ 92 sổ làm việc Tableau
4. Đánh giá ngữ nghĩa: Đo độ chính xác dữ liệu và tính đầy đủ của tương tác bên cạnh độ trung thực thị giác
5. Khoảng cách năng lực đáng kể: Mô hình mạnh nhất được kiểm thử đạt độ chính xác bố cục 75.45% nhưng chỉ đạt độ chính xác liên kết dữ liệu 21.71% và độ chính xác tương tác 11.68%
Thẻ
ui-generationmultimodal-modelsdata-visualizationinteractionbenchmark