VLM-датасет Nemotron v2

Что внутри

Карточка продолжает Llama Nemotron VLM Dataset V1 с 3 млн сэмплов; v2 содержит почти в три раза больше высококачественных сэмплов. Основной фокус — три направления, но в доступном фрагменте они не перечислены. В метаданных указаны задачи visual-question-answering, image-text-to-text и video-text-to-text; модальность — text. Язык и формат в карточке не указаны.

Что можно сделать

• Дообучение VLM для ответов на вопросы по изображениям
• SFT мультимодальной модели для image-text-to-text
• Проверка или дообучение на video-text-to-text

Как загрузить

from datasets import load_dataset

ds = load_dataset("nvidia/Nemotron-VLM-Dataset-v2")