多模态模型怎么测：看懂图片之后，还要看懂问题

一张图可能包含多种能力要求

识别图片中有一个零件，与判断它是否符合某项技术条件，是不同任务。后者可能需要尺寸、材料、版本或其他资料。评价时先说明模型被允许依据什么，以及哪些事实不能从外观推断。

对于表格，应检查行列对应、单位和脚注；对于流程截图，应检查状态与顺序；对于技术图纸，应检查标注与对象关系。统一的“图片理解分数”很难替代这些细分观察。

困难样例应接近日常资料

可以加入模糊扫描、反光、旋转、小字、遮挡与跨页内容，观察错误发生在哪一层。资料质量差时，系统应能够请求更清晰输入，而不是通过猜测填满答案。

样例应覆盖实际设备和文件来源。实验室中清晰的示例图片，可能无法代表员工手机拍摄或历史扫描件。评价报告需要说明输入条件，避免结论被扩大使用。

让复核成为结果的一部分

输出可以附上原始页码、区域或引用，帮助人员快速核对。若模型给出一个无法定位来源的结论，复核者可能需要重新翻阅整份资料。

多模态能力值得使用，但应从可检查的工作结果判断价值。模型能描述得丰富，不如能够清楚区分看见的事实与需要进一步确认的条件。

评价识别、定位、关系和判断四件事

用实际扫描、表格与图片分别标注预期结果，加入反光、小字、旋转和跨页难例。重要结论附原页或区域，由企业专业人员复核，测试范围之外的资料仍需另行验证。