HuggingFace Daily Papers· Shengyu Wang, Tengyue Nong, Junming Liu, Haosong Peng, Siyu Li, Ruiqi Lei, Fushuo Huo, Yuhao Pan, Yunfeng Fan, Ding Wang, Nan Cheng, Haozhao Wang, Wenchao Xu·· 2 天前精选AI 评分65
YANAMI：面向多轮状态交互的大规模多模态数据集与基准
YANAMI: A Large-Scale Multimodal Dataset and Benchmark for Multiturn Stateful Interaction
AI 导读
研究团队发布YANAMI数据集与基准，包含40万多模态对话和400个评估样本，涵盖图像融合、编辑、世界建模和视觉推理四种场景。实验显示，在YANAMI上微调BAGEL模型可提升图像编辑、生成和状态交互能力10.3%、2.0%和13.23%，但现有统一多模态模型在维护和视觉实现对话状态方面仍有不足。
推荐理由
首个大规模多模态对话数据集填补了状态交互评估空白，现有模型在视觉实现能力上仍有明显差距。
来源：HuggingFace Daily Papers · arxiv.org