引言
随着大模型（LLM）和多模态模型（VLM）的爆发式发展，如何科学、高效地评估模型能力成为了一个关键问题。上海人工智能实验室推出的 OpenCompass 和 VLMEvalKit 是目前业界领先的开源评估工具。
本篇博客将详细记录我对这两个工具的调研、安装配置、以及在实际模型上的测试过程。
1. OpenCompass 调研与实践
OpenCompass 是一个用于评估大型语言模型（LLM）的综合平台，支持丰富的模型和数据集。
1.1 环境搭建
# (此处记录 OpenCompass 的安装步骤)
conda create -n opencompass python=3.10
conda activate opencompass
# ...
1.2 数据集准备
(介绍如何下载和配置评估所需的数据集)
1.3 评估脚本编写与运行
# (此处粘贴或解析评估脚本的关键配置)
1.4 结果分析
(展示评估结果，并分析模型在不同能力维度上的表现)
2. VLMEvalKit 调研与实践
VLMEvalKit 专注于多模态大模型（VLM）的评估，支持 MME, MMBench 等主流榜单。
2.1 环境搭建
# (此处记录 VLMEvalKit 的安装步骤)
2.2 评测流程
(描述如何配置 config 文件，以及如何启动评测任务)
2.3 自定义模型接入
(记录如何将自己的 VLM 模型接入到 VLMEvalKit 框架中进行评估)
3. 踩坑记录与解决方案
(记录在使用这两个工具过程中遇到的报错、版本冲突等问题，以及对应的解决方法)
- 问题 1: …
- 问题 2: …
4. 总结
(总结这两个工具的优缺点，以及在实际项目中的适用场景)
