MAmmoTH-VL：大规模指令调优的多模态推理引导

本研究解决了现有指令调优数据集对多模态大语言模型（MLLMs）推理能力的限制，尤其是其源自简化任务的数据集缺乏中间推理过程的问题。通过构建一个包含1200万条指令-响应对的丰富数据集，增强了模型的推理能力，提升了在多个基准测试中的表现，实现了最新的最佳性能。该工作展示了大规模数据集在推动多模态推理任务中的潜在影响。