清华大学 发布 AnyCapDataset (ACD) 数据集, 应用在 多模态交互、自然语言处理 领域

清华大学 本次发布的数据集 AnyCapDataset (ACD), AnyCap数据集（ACD）是一个大规模的跨模态数据集，涵盖了图像、视频和音频三种模态，包含了28种用户指令和30万个高质量的数据条目。每个样本都包括定制的控制信号和一对字幕，一个是优选的，另一个是被拒绝的，明确反映了控制质量的不同。数据集的构建过程采用了严格的验证和审查阶段，确保了字幕与用户指令的一致性，并且没有幻觉，符合格式要求，并保留了输入的独特特征。该数据集旨在解决可控多模态字幕生成中训练数据不足的问题，并支持学习与各种用户偏好进行精确对齐。

查看AnyCapDataset (ACD)

README 内容： 

关于 清华大学 , 清华大学是中国的顶尖学府之一，位于北京，是中国著名的高等教育和研究机构，具有很高的国际声誉。

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。