AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：萬(wàn)億token！史上最大多模態(tài)數(shù)據(jù)集誕生
關(guān)鍵字：數(shù)據(jù),模型,基準(zhǔn),團(tuán)隊(duì),來(lái)源
文章來(lái)源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：Panda W開源多模態(tài)大模型或?qū)㈤_始騰飛。值此 Llama 3.1 各大頭條之際，又突然冒出了另一個(gè)也非常重要的發(fā)布 —— 一個(gè)規(guī)?？涨暗拈_源多模態(tài)數(shù)據(jù)集。
對(duì)大模型來(lái)說(shuō)，數(shù)據(jù)集的重要性無(wú)需多言，甚至可以說(shuō)沒有大型數(shù)據(jù)集就不可能有大模型?，F(xiàn)在正是多模態(tài)大模型（LMM）發(fā)展正盛的時(shí)候，規(guī)模足夠大的優(yōu)質(zhì)且開源的多模態(tài)數(shù)據(jù)集已經(jīng)成為該領(lǐng)域的一大「剛需」。不過，相比于開源的文本數(shù)據(jù)集，現(xiàn)有的開源多模態(tài)數(shù)據(jù)集都比較小、多樣性也不足，并且來(lái)源基本都是 HTML 文檔 —— 這就限制了數(shù)據(jù)的廣度和多樣性。這無(wú)疑限制了開源 LMM 的發(fā)展，讓開源 LMM 與閉源 LMM 之間的差異變得非常大。
近日，華盛頓大學(xué)、Salesforce Research 和斯坦福大學(xué)等機(jī)構(gòu)的聯(lián)合團(tuán)隊(duì)填補(bǔ)了這一空白，構(gòu)建了一個(gè)萬(wàn)億 token 級(jí)的交織多模態(tài)的開源數(shù)據(jù)集 MINT-1T（Multimodal INTerleaved）。毫無(wú)疑問，這是目前最大的開源多模態(tài)數(shù)據(jù)集。數(shù)據(jù)集地址：https://github.com/mlfoundations/MINT-1T
論文地址：https://ar

原文鏈接：萬(wàn)億token！史上最大多模態(tài)數(shù)據(jù)集誕生

聯(lián)系作者

文章來(lái)源：機(jī)器之心
作者微信：
作者簡(jiǎn)介：