К содержимому

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")