Uni-MMMU：一个海量跨学科多模态统一基准

统一的多模态模型旨在同时实现视觉理解和生成，但当前的基准很少检查它们的真正集成。现有的评估要么孤立地处理这两种能力，要么忽略了固有耦合它们的任务。为了弥合这一差距，我们提出了 Uni-MMMU，这是一个全面且学科感知的基准，它系统地揭示了跨八个以推理为中心的领域（包括科学、编码、数学和谜题）的生成和理解之间的双向协同作用。每个任务都经过双向耦合，要求模型 (i) 利用概念理解来指导精确的视觉合成，或 (ii) 利用生成作为分析推理的认知支架。Uni-MMMU 包含可验证的中间推理步骤、独特的基本事实以及文本和视觉输出的可复现评分协议。通过对最先进的统一模型、仅生成模型和仅理解模型的广泛评估，我们揭示了显著的性能差异和跨模态依赖性，提供了关于这些能力何时以及如何相互强化的新见解，并为推进统一模型奠定了可靠的基础。