Датасет · 5CD-AI
LLaVA-CoT: инструкции для визуальных рассуждений
5CD-AI/LLaVA-CoT-o1-Instruct
Пары изображение-вопрос-ответ с пошаговым рассуждением для обучения мультимодальных CoT-моделей.
Что внутри
Датасет содержит мультимодальные примеры: изображение, вопрос и ответ с пошаговым рассуждением. В приведённом примере модель просят ответить на вопрос по картинке, объясняя шаги, а вывод размечен тегами <SUMMARY/>, <CAPTION> и другими. Язык и точный объём в карточке не указаны; по метаданным размер — от 10 тыс. до 100 тыс. примеров, модальности image и text.
Что можно сделать
- SFT мультимодальной модели для visual question answering с CoT
- Дообучение LoRA для пошаговых рассуждений по изображениям
- Оценка моделей на вопросах, требующих счёта и сравнения объектов
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 114
- Лайков
- 113
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
- 5CD-AI/Vintern-3B-R-betaКартинка + текст 554
- mradermacher/Behemoth-3B-070225-post0.1-i1-GGUF 255
- mradermacher/Behemoth-3B-070225-post0.1-GGUF 177
- BarraHome/Mistroll-3.0-CoT-Llama-3.2-11B-Vision-InstructКартинка + текст 31
- mehmetkeremturkcan/DeepSeek-LLaVA-InstructКартинка + текст 17
- mehmetkeremturkcan/DeepSeer-R1-Vision-Distill-Qwen-1.5B_google_vit-base-patch16-224Картинка + текст 16
- prithivMLmods/Behemoth-3B-070225-post0.1Картинка + текст 13
- alecccdd/GLM-4.6V-Flash-W8A8-INT8Картинка + текст 13
Как загрузить
from datasets import load_dataset
ds = load_dataset("5CD-AI/LLaVA-CoT-o1-Instruct")