研究人员开发了FineGen，一个利用视觉语言模型（VLM）和多智能体系统自动构建图像-文本数据集的新颖框架。该系统采用协作式管道进行数据生成、验证和纠正，特别侧重于创建语义相关但视觉上矛盾的硬负面样本。该框架已用于创建FineGen-100K，一个包含超过147,000个硬负面的数据集，该数据集在下游任务的微调中将准确率显著提高了14.4%。 AI
影响 通过提供用于训练视觉语言模型的专业数据集，增强了细粒度感知能力。
排序理由 该集群包含一篇详细介绍用于图像-文本构建的新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →