VisWorld-Eval 是由 thuml 团队发布的一个多模态评估数据集，主要用于视觉与文本结合的模型性能评测。
该数据集的核心功能是作为评估基准，用于测试和比较多模态模型（特别是视觉-语言模型）在图像与文本关联任务上的表现。
适用于计算机视觉、多模态学习、视觉问答（VQA）、图文检索、跨模态理解等相关领域的研究与模型评估。