一种多模态模型视觉感知能力探测方法及终端

本发明涉及机器学习技术领域，公开了一种多模态模型视觉感知能力探测方法及终端，所述方法包括：获取多张检测图像，检测每张所述检测图像之中包含的对象；针对每张所述检测图像，均根据包含的对象构建正向提示答案对和负向提示答案对，以构成探测数据集；获取待探测模型，根据所述探测数据集探测所述待探测模型的性能，输出探测结果。本发明通过针对每个图像构建正向提示答案对和负向提示答案对，不仅简化了问题的构造，同时也要求模型在理解图像内容及其语境时不能仅依赖随机猜测，迫使模型需要正确理解图案和问题才能得到较好的探测结果，有效解决了在进行探测时，对部分模型无法准确的衡量模型的能力的问题。