华盛顿大学、Salesforce Research和斯坦福大学等机构联合构建了规模空前的开源多模态数据集MINT-1T，包含一万亿文本token和三十亿张图像。该数据集经历了多个步骤，包括数据收集、过滤和去重。实验结果显示，在MINT-1T数据集上训练的模型在多个基准任务上表现优于之前的数据集。这个超大规模的开源多模态数据集有望成为多模态大模型的起点。