普林斯顿大学 发布 COMPACT 数据集, 应用在 视觉语言处理、机器学习 领域

普林斯顿大学 本次发布的数据集 COMPACT, COMPACT是一个视觉复合调整数据集，旨在帮助多模态大型语言模型（MLLMs）从原子能力（A? = 1）到复合能力（A? > 1）的复杂性级别进行扩展。该数据集通过系统地组合10个原子能力，以控制训练样本的复杂性，解决了传统视觉指令调整（VIT）方法通过数据扩展偶然能力组合的局限性。COMPACT数据集在所有基准测试中，都达到了与LLaVA-665K VIT相当的性能，同时使用的数据量不到其10%，并在一些涉及复杂多能力任务的基准测试中超越了它。COMPACT提供了一个可扩展、数据高效的视觉复合调整方案，以改进复杂的视觉语言任务。

查看COMPACT

关于 普林斯顿大学 , 普林斯顿大学是一所位于美国新泽西州的顶级私立研究型大学，以卓越的教学和科研实力闻名于世。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。