误导对LVLM（低视觉语言模型）的研究。为此，我们提出了MMStar，一个精英视觉必不可少的多模态基准，由人工精心选出的1500个样本组成。MMStar基准测试了6项核心能力和18个详细轴向，旨在评估LVLM的多模态处理能力。