在 AI 極速擴張的情況下，不只做，更要「做對」。
#Multi-TW 為繁中多模態 AI 打造一把精準的尺！
在 AI 領域，評測基準 (#Benchmark) 能讓我們更清楚前進的方向。
NTUAI 發起 Multi-TW 計畫，因為我們發現，繁體中文領域長期缺少一個能同時評估「圖像＋語音＋文字」三種模態、並符合在地情境的標準。
很高興 Multi-TW 推出後，近期在 AI 社群受到廣泛迴響，也被收錄於「台灣 LLM Benchmark 收藏牆」。
我們想藉此分享 Multi-TW 的三個關鍵設計：
- 權威的語料來源：與 #SC-TOP 合作
為確保評測的公信力與難度，我們與「華語文能力測驗推動工作委員會 (SC-TOP)」合作，導入 900 題官方華語能力測驗試題，這是目前繁中多模態領域罕見的高品質語料。
- 獨特的評測指標：納入「推論延遲 (Inference Latency)」
AI 應用不能只談準確，更要實用。Multi-TW 是少數將「延遲」納入指標的 benchmark，它能幫助開發者客觀比較 E2E（端到端）與 #VLM + #ASR（串接）兩種架構在效能上的真實差異，這對即時應用至關重要。
- 專注「理解力」：全選擇題的多模態測試
Multi-TW 中 900 題均為「圖像＋文字」與「音訊＋文字」的多選題，能評測模型的「綜合理解力」，而非單純的生成能力，更貼近真實的語言學習情境。
我們邀請所有致力於繁中 AI 的夥伴，實際使用 Multi-TW 並給予我們反饋，也期待更多夥伴加入繁中多模態的生態系，推動台灣 AI 發展。
快速透過 Podcast 了解 Multi-TW : bit.ly/ntuai-Multi-TW-podcast
詳細了解 Multi-TW 與研究結果 : bit.ly/ntuai-Multi-TW-arxiv
Hugging Face : bit.ly/ntuai-Multi-TW-datasets