中国团队推世界最大多模态数据集“Infinity-MM”....

       在人工智能领域，数据集的规模和质量一直是推动技术进步的关键因素。近日，一个由中国多家机构组成的研究团队宣布了一个重大突破：他们成功创建了“Infinity-MM”，目前最大规模的公开多模态AI数据集之一，并在此基础上训练出了一款性能卓越的小型新模型——Aquila-VL-2B。

“Infinity-MM”数据集的构成与特点

        “Infinity-MM”数据集的构成体现了其多样性和丰富性，包含四大类数据：1000万条图像描述、2440万条一般视觉指令数据、600万条精选高质量指令数据，以及300万条由GPT-4和其他AI模型生成的数据。这一数据集的创建，不仅在数量上达到了前所未有的规模，而且在质量上也通过特殊的分类系统确保了数据的质量和多样性。

Aquila-VL-2B模型的创新与性能

        Aquila-VL-2B模型基于LLaVA-OneVision架构，使用Qwen-2.5作为语言模型，并采用SigLIP进行图像处理。模型的训练分为四个阶段，逐步提高复杂性，从基本的图像-文本关联到整合合成生成的数据。在多模态理解的MMStar基准测试中，Aquila-VL-2B以54.9%的得分领先，尤其是在数学任务中，该模型在MathVista测试中得分达59%，远超同类系统。

合成数据的重要性与开源模型的崛起

       Aquila-VL-2B的成功，特别是在合成数据的使用上，显示了开源模型在AI研究中的崛起。合成数据的加入显著提升了模型的表现，若不使用这些额外数据，模型的平均表现将下降2.4%。这一发现与全球AI研究的趋势相吻合，即开源模型正在迎头赶上传统的闭源系统，尤其是在利用合成训练数据方面展现出良好的前景。

结论与展望

       “Infinity-MM”数据集和Aquila-VL-2B模型的推出，不仅是中国在AI领域的一项重要成就，也是全球AI研究的一个里程碑。这一成果不仅展示了开源模型的潜力，也为未来AI技术的发展提供了新的方向。随着数据集和模型向研究社区的开放，我们期待看到更多的创新和突破，进一步推动AI技术的进步。

免责声明：除原创作品外，本平台所使用的文章、图片、视频及音乐属于原权利人所有，因客观原因或会存在不当使用的情况，如，部分文章或文章部分引用内容未能及时与原作者取得联系，或作者名称及原始出处标注错误等情况，非恶意侵犯原权利人相关权益，敬请相关权利人谅解并与我们联系。