香港中文大学 发布 AVQA-R1-6K 数据集, 应用在 多模态推理、自然语言处理 领域

香港中文大学 本次发布的数据集 AVQA-R1-6K, AVQA-R1-6K数据集是由香港中文大学、上海人工智能实验室和清华大学合作创建的，旨在提升多模态大语言模型在音频-视觉推理方面的能力。该数据集包含了4440个训练示例和1911个验证示例，每个示例都是由同步的音频-图像输入和来自OmniInstruct-v1数据集的多选题组成的。数据集的创建过程是基于Qwen2.5-Omni-7B模型，并通过Group Relative Policy Optimization (GRPO)进行优化。数据集的应用领域是解决多模态大语言模型在结构化跨模态推理方面的挑战，特别是当整合音频和视觉信号时。

查看AVQA-R1-6K

README 内容： 

关于 香港中文大学 , 香港中文大学，简称中大，是一所位于中国香港的公立研究型大学，成立于1963年，是香港八大院校之一，以书院制和重视人文精神而闻名。

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。