北京大学 发布 Monet-SFT-125K 数据集, 应用在 多模态推理、视觉推理 领域

北京大学 本次发布的数据集 Monet-SFT-125K, Monet-SFT-125K是由北京大学与Kling团队联合构建的高质量多模态推理数据集，包含12.5万条图文交织的思维链样本。该数据集涵盖真实场景、图表分析、文字识别和几何推理四大领域，数据来源整合了ReFocus、CogCoM等权威基准，通过视觉裁剪、边界框标注和辅助线绘制等操作增强视觉表征。数据集采用三阶段精炼流程构建，首先筛选原始图像无法解决的难题，继而验证辅助图像的有效性，最后通过大模型标注关键视觉观察词元。该数据集专为训练潜在视觉推理模型而设计，旨在解决复杂视觉场景下的抽象推理和跨领域泛化问题。

查看Monet-SFT-125K

README 内容： 

关于 北京大学 , 北京大学是中国著名的高等学府，位于北京，是中国最早的国立综合性大学，也是中国近代高等教育的开端。

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。