arXiv · 机器人与计算机视觉· Eleni E. Kasoura, Dimitrios Damianos, Georgios Paraskevopoulos, Vassilios Katsouros·· 2026-10-15AI 评分35
DCVLR 竞赛提交:基于图像挖掘指令构建多模态学习合成数据集
Instruction Mining From Images: Constructing a Synthetic Dataset for Multimodal Learning ILSP DCVLR Competition Submission
AI 导读
该工作为 DCVLR 竞赛提交了一套紧凑可复现的管道,利用 Qwen2.5-VL-7B Instruct 结合 Cauldron 集合生成图像条件化指令对。系统经 DeBERTa-v3 奖励模型评分筛选,保留中位数约 1.53、均值约 1.75 的高质量样本。最终数据集涵盖数学、空间及社会推理领域,旨在支持多模态学习研究。
来源:arXiv · 机器人与计算机视觉 · arxiv.org