随着大规模多模态模型（LMMs）的迅速发展，人们对其安全性与潜在风险的关注也日益增加。这些担忧主要源于我们对其能力与局限性的认知尚不充分。在本次教程中，我们旨在填补这一空白，提供对 LMM 评估的全面概览。 首先，我们从“评估什么”、“在哪里评估”以及“如何评估”这三个维度出发，梳理 LMM 评估的最新进展。接着，我们提出当前 LMM 评估中面临的若干关键挑战，例如数据污染和固定复杂度问题，并介绍应对这些挑战的方法。 此外，我们还将探讨包括可信度、鲁棒性与公平性在内的关键评估指标，并评估 LMM 在自然科学与社会科学等多种下游任务中的表现。最后，我们总结了一些广泛使用的评估代码库与基准测试工具，以支持相关研究工作。 我们希望本教程能推动学术界与工业界持续关注 LMM 的安全性、责任性与准确性，共同促进多模态人工智能的健康发展。

https://ucsb-mlsec.github.io/cvpr2025-tutorial-Evaluating-Large-Multi-modal-Models-Challenges-and-Methods/