💡 站外导读：随着多模态AI向全模态融合演进，现有评测体系面临数据质量参差、模态信息冗余、评估区分度不足等核心痛点，难以科学衡量模型在复杂真实场景下的协同推理能力。行业亟需一个能够精准解构并量化单模态与全模态能力关系的统一基准，以推动技术从“能力叠加”走向“智能涌现”。美团LongCat推出的UNO-Bench正是应此需求而生，旨在为全模态大模型的发展树立科学的“度量衡”。

UNO-Bench是美团LongCat团队推出的全模态大模型评测基准。UNO-Bench针对现有评测体系的不足，通过高质量、多样化的数据构建，精准衡量模型的单模态与全模态能力。基准首次验证了全模态大模型的“组合定律”，揭示单模态与全模态能力的复杂关系。UNO-Bench创新的多步开放式问题和高效的数据压缩算法，提升了评测的区分度与效率，为推动全模态大模型的发展提供科学的评估工具。

UNO-Bench的主要功能

• 精准评估模型能力：通过高质量、多样化的数据集，同时衡量模型在图像、音频、视频和文本等单模态和全模态任务上的表现。

• 揭示能力组合规律：首次验证全模态大模型的“组合定律”，揭示单模态与全模态能力之间的复杂关系，为模型优化提供理论支持。

• 创新评测方法：引入多步开放式问题（MO），能有效评估模型在复杂推理任务中的能力衰减，精准区分模型的推理深度。

• 高效数据管理：通过聚类引导的分层抽样法，显著降低评测成本，同时保持模型排名的高度一致性。

• 支持多模态融合研究：为研究人员提供统一的评测框架，推动全模态大模型的发展，为未来更强模型的涌现预留空间。

UNO-Bench的技术原理

• 统一能力体系：将模型能力解构为感知层和推理层，感知层涵盖基础识别、跨模态对齐等能力，推理层包含空间推理、时序推理等高阶任务。双维框架为数据构建和模型评测提供清晰的蓝图。
• 高质量数据构建：
  • 数据采集与标注：通过人工标注和多轮质检，确保数据的高质量和多样性。超过90%的数据为私有化原创，避免数据污染。
  • 跨模态可解性：通过模态消融实验，确保98%以上的问题必须依赖多模态信息才能解答，避免单模态信息的冗余。
  • 视听分离再组合：独立设计音频内容并与视觉素材人工组合，打破信息冗余，迫使模型进行真正的跨模态融合。
  • 数据优化与压缩：采用聚类引导的分层抽样法，从大规模数据中筛选出代表性样本，降低评测成本，同时保持模型排名的一致性。
• 创新评测方法：将复杂推理任务拆解为多个子问题，要求模型给出开放式文本答案，通过专家加权评分，精准评估模型的推理能力。通过细分问题类型和多轮标注迭代，实现对多种问题类型的自动评分，评分准确率可达95%。
• 组合定律验证：通过回归分析和消融实验，揭示全模态性能并非单模态能力的简单线性叠加，是遵循幂律协同规律。非线性关系为模型融合效率的评估提供新的分析范式。

UNO-Bench的项目地址

• 项目官网：https://meituan-longcat.github.io/UNO-Bench/
• GitHub仓库：https://github.com/meituan-longcat/UNO-Bench
• HuggingFace模型库：https://huggingface.co/datasets/meituan-longcat/UNO-Bench
• arXiv技术论文：https://arxiv.org/pdf/2510.18915

UNO-Bench的应用场景

• 模型开发与优化：为开发者提供标准化评测工具，助力优化模型架构，提升多模态融合能力。

• 行业应用评估：用在智能客服、自动驾驶等领域，评估模型在多模态交互场景下的表现，优化用户体验。

• 学术研究与竞赛：作为统一的学术评测基准，支持模型性能比较和多模态竞赛，推动技术突破。

• 产品开发与市场评估：帮助企业评估产品功能和市场竞争力，为多模态产品开发提供科学依据。

• 跨模态应用开发：支持多媒体内容创作和智能安防等领域，提升多模态应用的性能和可靠性。