SMMU：多模态大语言模型社交智能评测新基准

SMMU是专门评估多模态大语言模型社交智能能力的开源评测框架，旨在填补现有基准缺乏社交理解能力系统性评估的空白。通过多维度评估、真实场景导向和多模态输入融合设计，为研究者提供标准化工具，推动领域发展并为应用选型提供参考。

随着多模态大语言模型在视觉、文本任务的突破，社区关注其社交智能表现。社交智能是人类智能核心，但现有基准聚焦感知认知任务，缺乏系统性评估。SMMU项目应运而生以填补这一空白。

社交智能评测不同于传统任务，需模型理解人际关系、情感状态、社会规范等。例如聚会照片场景中，模型需识别关系、理解情绪、推断意图及判断行为合规性，对多模态融合、常识推理等要求更高。

SMMU遵循三大原则：1.多维度评估：覆盖情感识别、社交关系、情境推理、文化敏感性等维度；2.真实场景导向：数据来自家庭聚会、工作场合等真实场景；3.多模态输入融合：样本含图像与文本，模拟人类认知过程。

SMMU采用模块化架构：数据集构建模块负责数据收集标注（多轮验证保障质量）；评测引擎提供标准化流程（支持批量测试与统计）；分析工具集含可视化与统计模块，助力理解模型表现。

SMMU为领域带来价值：1.标准化基准促进跨团队性能比较；2.揭示模型不足指明研究方向；3.为虚拟助手、教育机器人等应用提供选型参考。

SMMU开源发布，可通过GitHub获取资源，欢迎社区贡献。未来计划扩展评测维度、探索动态交互评测，并与认知科学、心理学跨学科合作，确保评测符合人类社交认知原理。