OpenBMB 发布 VisRAG-Ret-Train-Synthetic-data 数据集, 应用在 图像与文本、数据增强 领域

OpenBMB 本次发布的数据集 VisRAG-Ret-Train-Synthetic-data, 该数据集是VisRAG训练集的合成部分，包含239,358个查询-文档（Q-D）对。数据来源于网络爬取的PDF文档，并通过VLM生成的伪查询进行了增强。数据集包括查询（字符串）、图像（图像）和来源（字符串）等特征。它被分为一个名为训练的分区，包含239,358个样本。数据集的来源包括大学水平的教科书、ICML和NeurIPS论文以及各种产品的手册。

查看VisRAG-Ret-Train-Synthetic-data

Dataset card 内容： 

Files and versions 内容： 

关于 OpenBMB , OpenBMB是一个专注于大规模预训练语言模型研发与应用的开源社区。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。