Датасет · Open-Bee
Мультимодальный корпус изображение-текст Bee
Open-Bee/Honey-Data-15M
15 млн пар «изображение — текст» на английском для обучения и проверки открытых мультимодальных моделей.
Что внутри
Мультимодальный корпус для задачи image-text-to-text: изображения и тексты на английском, порядка 15 млн примеров. Собран в проекте Bee с помощью пайплайна HoneyPipe; в карточке указана более новая версия Honey-Data-V2, где исправлены замеченные сообществом дефекты. Данные доступны на Hugging Face.
Что можно сделать
- SFT мультимодальной модели для image-text-to-text
- Обучение LoRA для открытой MLLM
- Проверка качества ответов по изображениям
- Задачи
- Картинка + текст
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 9,2 тыс.
- Лайков
- 121
Модели, обученные на нём
- Open-Bee/Bee-8B-RLКартинка + текст 8,5 тыс.
- Open-Bee/Bee-8B-SFTКартинка + текст 1,2 тыс.
- Open-Bee/Bee-8B-Stage3Картинка + текст 34
- Open-Bee/Bee-8B-Stage2Картинка + текст 20
- axs2k/anubisОбучение с подкреплением 0
- joanxprat/test_qualify_imagesОценка глубины 0
- Thando1221/DAunwell 0
- moreiraj93/jennyКартинка + текст 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("Open-Bee/Honey-Data-15M")