本文的作者来自新加坡的上海人工智能研究所和新加坡的南洋技术大学，即张黄，天·舒林和黄齐基，教师Qiao Yu yu and Liu Ziwei。如何快速确定生成模型是否好？当然，最直接的方法是：询问专门研究图像生成，视频或评估的朋友。他们了解技术，有经验并具有良好的视野。他们可以告诉您在哪里坚强和弱，如果您适应自己的需求。但是问题是：您的朋友太忙了，无法一个人帮助您。我想知道这么多问题是否很好，但是我也想知道它在哪里不好，为什么它是好的，“如果是好的”和“如果它是好的”或“如果它对我有好处”。需要专业的患者和后卫评估顾问。因此，来自北南技术大学的S -LAB研究人员共同开发了“朋友”的版本谁订阅朋友“ - 评估代理。他们不仅要评估，他们听取问题，个性化测试，对人类专家的分析报告等等。当您问：“ Philmas Old Style录像带如何计划？”您的计划。模型。各种各样的人：多样性？E基于中间结果。对重要的技能维度的定向和详细分析确实提供了“请求评估”，并提供了特定的任务。 2。高效率：很少的样本和快速评估。传统评估通常需要数千个样本。评估剂通过多个交互式评估和智能抽样策略大大减少样品数量。一般评估过程可以压缩到传统方法的大约10％。特别适合重复发展的快速反馈。 3。描述：让评估的结果说人类语言，而不仅仅是形式和数字。评估代理在NA语言中生成分析报告，这不仅涵盖了模型特征的全面摘要，而且还指出了改进模型的局限性和地址。 4。可扩展：承认各种任务，工具和指标的集成。评估代理是一个开放式框架，它可以集成新的评估工具和适当的指标，以完成各种视觉生成任务（例如图像的产生和视频的产生）。框架评估代理的工作原理该框架主要分为两个阶段。 1。adricingen代理：为每个tars生成一个独家评估指标（通知）。此阶段的目的是根据方法调整评估计划。 2。执行阶段框架使用视觉生成模型通过相应的评估工具生成内容和性能分析。视觉生成模型：基于上一阶段设计的指示生成一组抽样评估工具。根据提案的计划3计划选择适当的工具来评估采样内容。多轮的动态交互式评估未同时完成。 Executi中每个评估回合的结果在舞台上，返回建议阶段，以优化后续的指示和任务配置。通过多回合的这种合作，评估代理可以提供有关模型特征的动态和详细信息。各种评估。结果将显示。 1。传统评估视频生成模型的评估效率的比较标记了评估框架Vbench和T2I兼容评估框架的图像生成模型，全面研究了图像生成任务（T2I）和视频生成任务（T2V）的评估剂。结果表明，与传统评估框架相比，他们的评估效率明显大于现有参考框架（例如Vbench和T2i-Compbench）的评估效率（例如Vbench和T2i-Compbench），节省了超过90％的时间，评估结果非常一致。 2。评估剂表现出非凡的灵活性和深度处理用户咨询时。根据用户的个性化需求，可以系统地研究模型在特定领域中的功能，从基本问题开始，逐渐动态加深，最后分析并通过自然语言进行详细概述。例如，问题是“一种可以诞生的模型，而原始样式则可以成为现有艺术品的变体？”完整的评估过程如下所示。在评估代理的工作中，开放的用户咨询数据集是测试框架开放评估功能的重要组成部分。该数据集为您的系统提供了各种评估方案，尤其是当您面对用户的复杂和特定的评估需求时。之后，清洁后，过滤和标记数据，该数据集涵盖了广泛的评估，并显示了模型a的统计分布的统计分布评估和适应性的精度3。多学科评估框架提供了有效且可解释的视图以显示对视觉生成模型的评估，我们分析了传统评估的局限性，并根据用户需求提供了目标，具体取决于用户的需求，我们希望这种方法可以为视觉生成模型的评估贡献新的想法，并促进更智能的能力和更灵活的评估系统的开发。