Датасет · OpenDataArena
2,3 млн примеров рассуждений от Qwen3-VL-235B
OpenDataArena/MMFineReason-Full-2.3M-Qwen3-VL-235B-Thinking
Сырой корпус из 2,3 млн мультимодальных задач и цепочек рассуждений (8,8 млрд токенов) до фильтрации качества.
Что внутри
Набор содержит 2,3 миллиона пар «изображение + текст» и 8,8 миллиарда токенов с пошаговыми решениями, сгенерированных при дистилляции рассуждений. Данные на английском языке прошли проверку по шаблону и длине, но не фильтровались на правильность ответов.
Что можно сделать
- Исследование методов дистилляции цепочек рассуждений (CoT) в VLM
- Создание пайплайнов автоматической фильтрации и верификации синтетики
- Предварительный SFT мультимодальных моделей для визуальных вопросов (VQA)
- Задачи
- Вопросы по картинкам, Вопрос-ответ, Генерация текста
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 4 тыс.
- Лайков
- 65
Как загрузить
from datasets import load_dataset
ds = load_dataset("OpenDataArena/MMFineReason-Full-2.3M-Qwen3-VL-235B-Thinking")