arXiv Computer Vision· Eleni E. Kasoura, Dimitrios Damianos, Georgios Paraskevopoulos, Vassilios Katsouros·· 4 小时前AI 评分18
从图像中挖掘指令：为多模态学习构建合成数据集（ILSP DCVLR 竞赛提交）
Instruction Mining From Images: Constructing a Synthetic Dataset for Multimodal Learning ILSP DCVLR Competition Submission
AI 导读
该工作提出一套可复现的流水线，从 Cauldron 数据集出发，用 Qwen2.5-VL-7B Instruct 以 Magpie 风格合成图像条件下的指令-回复对，并经清洗、打标和基于 DeBERTa-v3 奖励模型的打分过滤，仅保留正分样本。奖励分数中位数约 1.53、均值约 1.75，表明多数生成指令质量良好。最终数据集覆盖数学、空间和社会推理等多样指令。
来源：arXiv Computer Vision · arxiv.org