Датасет · neulab
Мультиязычный мультимодальный инструкт
neulab/PangeaInstruct
1–10 млн пар вопрос-ответ и VQA на 39 языках для обучения мультимодальных LLM.
Что внутри
PangeaInstruct — мультиязычный мультимодальный датасет для visual-question-answering и question-answering. В метаданных указан размер от 1 до 10 млн примеров и 39 языков. Карточка описывает его как часть открытого проекта Pangea с моделью Pangea-7B и бенчмарком PangeaBench; формат в ��идимой части не указан.
Что можно сделать
- Обучение мультимодальной LLM Pangea-7B
- LoRA для VQA на редких языках
- Оценка мультиязычного VQA
- Задачи
- Вопросы по картинкам, Вопрос-ответ
- Языки
- am, Арабский, bg, bn, cs, Немецкий, el, Английский и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 926
- Лайков
- 88
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("neulab/PangeaInstruct")