Датасет · Xkev
100 тыс. VQA-примеров с пошаговым рассуждением
Xkev/LLaVA-CoT-100k
VQA-данные со структурированными аннотациями рассуждений для обучения Vision-Language Models.
Что внутри
Датасет из статьи LLaVA-CoT: собранные из разных источников visual question-answering примеры со структурированными аннотациями рассуждений. Он нужен, чтобы Vision-Language Models учились автономному многоэтапному рассуждению при сложных визуальных вопросах. Язык — английский, размер — от 10K до 100K примеров.
Что можно сделать
- SFT Vision-Language Model для пошагового visual question answering
- LoRA для LLaVA-подобной модели на структурированных рассуждениях
- Оценка многоэтапного визуального рассуждения VLM
- Задачи
- Вопросы по картинкам, Картинка + текст
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 3,1 тыс.
- Лайков
- 109
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("Xkev/LLaVA-CoT-100k")