量化视觉-语言模型跨模态对齐，诊断融合短板
Modality-Integration-Rate 是 ICCV 2025 论文的官方代码，提出了一种名为“模态整合率”（Modality Integration Rate, MIR）的新指标，用于量化大型视觉-语言模型（LVLMs）中跨模态对齐的程度。该指标通过分析模型内部注意力或表示层中视觉与语言信息的融合效率，帮助研究者和开发者诊断模型在图文理解上的薄弱环节。项目解决了现有评估指标仅关注最终任务性能、无法揭示模型内部模态交互质量的问题。核心能力包括：提供 MIR 的计算实现、支持主流 LVLMs（如 LLaVA、LLaMA 多模态变体）的集成、以及可视化工具用于分析跨模态对齐模式。代码基于 Python，适用于大模型研究、多模态基准测试和模型优化。
CLIP Score、MME (Multimodal Evaluation)、LLaVA-Bench
Modality-Integration-Rate 是评测安全领域的开源项目，由 shikiw 开发，2024 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 113。
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 2026-06-25。MIT许可证，可自由使用和部署，无付费版本。
它主要面向的使用场景是：多模态模型研发中评估跨模态对齐质量。同类可对比的替代方案包括 CLIP Score、MME (Multimodal Evaluation)、LLaVA-Bench。
上一篇：botsim
下一篇：dialog-eval
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···
