MM-GEN：通过有针对性的多模态数据策划提升任务性能

本研究解决了视觉语言模型在特定任务上的表现不足问题，尤其是Llava-1.5在图表和图解理解方面由于缺乏任务特定训练数据而存在的局限。通过引入MM-Gen方法，研究者能够生成高质量的任务特定合成文本，使得对模型的微调显著提升了任务性能。其中，Llava-1.5在空间推理和图表理解方面的性能提升分别达到了29%和15%。