GenExam

用跨学科考题给文生图模型打分，测出真实知识水平。

GenExam 是一个面向多学科文生图模型的评测基准，旨在系统评估文本到图像生成模型在跨学科知识理解与视觉呈现上的能力。它通过设计涵盖科学、历史、艺术等领域的考试式题目，检验模型能否准确生成符合特定知识要求的图像，解决现有评测过于侧重美学质量而忽视知识准确性的问题。核心能力包括构建结构化考题集、自动化评分流程，以及提供可复现的评估协议，帮助研究者量化模型在知识密集型场景下的表现。项目处于早期阶段，代码库提供基准构建与评估工具。

开源 free 图像生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 72

维护状态低维护

是否开源是

定价模式 free

项目数据

分类图像生成

开发团队OpenGVLab

所属国家

官网地址

GitHubhttps://github.com/OpenGVLab/GenExam

定价模式free

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型benchmark,image-generation,text-to-image-generation

GitHub 星标★ 72

30天Star增速

HF 下载量

上线时间2025-09-15 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

首创多学科考试式评测，覆盖科学、历史、艺术等知识领域，弥补现有基准偏重美学忽略知识的短板
提供自动化评分流程，支持可复现的模型对比，降低评测门槛
面向ICML 2026，学术严谨性高，适合作为论文基准

不足之处

项目处于早期，文档和社区支持尚不完善
考题集规模与覆盖度有限，可能不足以反映真实世界多样性

适用场景

学术研究：评估文生图模型在知识密集型任务上的表现
模型开发：在训练或微调阶段使用GenExam作为验证集
教育应用：测试模型对学科概念的理解，辅助教学工具设计

替代项目

T2I-CompBench、ImageReward、HEIM (Holistic Evaluation of Text-to-Image Models)

项目介绍

GenExam 是评测安全领域的开源项目，由 OpenGVLab 开发，2025 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 72。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：学术研究：评估文生图模型在知识密集型任务上的表现。同类可对比的替代方案包括 T2I-CompBench、ImageReward、HEIM (Holistic Evaluation of Text-to-Image Models)。

上一篇：Awesome-Evaluation-of-Visual-Generation

下一篇：VEFX-Bench