无限多模态：利用大规模高质量指令数据提升多模态性能
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了开放源代码指令数据规模和质量有限的问题，提出了Infinity-MM，一个包含4000万个样本的大规模多模态指令数据集，并通过严格的质量滤波和去重进行了增强。通过该数据集训练的Aquila-VL-2B模型在相似规模的模型中实现了最新的性能，证明扩展指令数据和生成合成数据可以显著提升开放源模型的表现。
本研究提出了Infinity-MM数据集，包含4000万个样本，解决了开放源代码指令数据的规模和质量问题。训练的Aquila-VL-2B模型在同类模型中表现优异，验证了扩展指令数据和生成合成数据的有效性。
