STAR-64K

新的STAR-64K数据集和训练框架提升MLLM推理能力

研究人员开发了一种新的方法来训练多模态大语言模型（MLLM），以提高它们处理图像中呈现的抽象关系知识的能力。该方法包括一个自动数据引擎，该引擎合成具有多模态关系知识的图像，并生成具有思维链推理的指令数据。提出的两阶段能力增强框架在包含64,000个样本的数据集上进行了测试，结果表明较小的模型在结构化和抽象推理任务上可以超越GPT-4o。