Датасет · MAmmoTH-VL
12 млн визуальных инструкций для мультимодальных моделей
MAmmoTH-VL/MAmmoTH-VL-Instruct-12M
Пары изображение-инструкция для обучения визуальных ассистентов на английском.
Что внутри
Датасет содержит 12 млн визуальных инструкций (изображения и текст) на английском. Данные собраны масштабируемым пайплайном: ручной сбор источников, переписывание с помощью MLLM/LLM и фильтрация той же MLLM-судьёй. В карточке показаны примеры преобразований для математики и естественных наук.
Что можно сделать
- SFT MAmmoTH-VL-8B
- Дообучение LoRA для visual question answering
- Оценка мультимодальных моделей на математике и науке
- Задачи
- Вопросы по картинкам, Вопрос-ответ
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 12,5 тыс.
- Лайков
- 67
Модели, обученные на нём
- HuggingFaceTB/SmolVLM2-500M-Video-InstructКартинка + текст 1,7 млн
- HuggingFaceTB/SmolVLM2-2.2B-InstructКартинка + текст 194,6 тыс.
- HuggingFaceTB/SmolVLM2-256M-Video-InstructКартинка + текст 44,7 тыс.
- HuggingFaceTB/SmolVLM2-2.2B-BaseКартинка + текст 2,4 тыс.
- mradermacher/SmolVLM2-2.2B-Instruct-i1-GGUFВидео + текст 1,1 тыс.
- mradermacher/SmolVLM2-256M-Video-Instruct-i1-GGUF 824
- mradermacher/SmolVLM2-500M-Video-Instruct-i1-GGUF 737
- mradermacher/SmolVLM2-2.2B-Instruct-GGUFВидео + текст 368
Как загрузить
from datasets import load_dataset
ds = load_dataset("MAmmoTH-VL/MAmmoTH-VL-Instruct-12M")