待验证50% 置信概念精确时间
MMEB（Massive Multimodal Embedding Benchmark）是用于评估通用多模态嵌入模型的统一基准，覆盖分类、检索、视觉问答、定位等多种任务与众多数据集，强调在相同数据与训练条件下横向比较不同策略。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证MMLU（大规模多任务语言理解）和HumanEval是代表性的通用基准，分别用于常识推理和代码生成评测70% 相似待验证W&B（Weights & Biases）是机器学习工程中主流的实验追踪平台，用于记录每次训练任务的超参数、指标曲线、系统资源占用等元数据69% 相似待验证Table Batched Embedding（TBE）是推荐模型训练中的基础算子，负责将稀疏 ID 特征映射为稠密向量，并支持跨多张 GPU、多个 embedding table 的批量查询。68% 相似待验证MMVP、MMStar等基准专门设计来检测视觉依赖程度，刻意收录凭语言先验无法正确作答的题目66% 相似待验证BEIR Benchmark是一套跨领域的检索评估基准，包含多个数据集和标准指标（nDCG、Recall），是系统对比检索策略的首选。65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028181API
curl https://kongchang.com/api/v1/knowledge/claims/1028181MCP
get_claim(id=1028181)