[Feature] 能否在评估部分支持对图片数据集的能力评估？

你的功能请求是否与某个问题相关？请描述。 例如需要对比分析两个模型对图片信息的识别能力？微调后还是需要手工比对答案。

描述你期望的解决方案 能否在easy-dataset上支持该功能，像语言模型一样通过教师模型对答案进行评估。

描述你考虑过的替代方案 暂无

其他相关信息 暂无