.png){kind=icon}
返回
MM-instruct: Generated visual instructions for large multimodal model alignment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.131164.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 介绍MM-Instruct：一个自动化的生成多样化视觉指令数据的流水线，用于提升LMM在超越简单问答的实际任务上的性能。
• 展示了改进的指令遵循能力：使用MM-Instruct数据训练的模型在执行多样化视觉指令方面显著优于先前模型（如LLaVA-1.5）。
• 发布大规模数据集：贡献了一个包含293条多样化指令和234,000对高质量视觉指令数据的新数据集，以推动LMM指令遵循研究的发展。
Keyword:
MM-Instruct
visual instruction data
large language models
instruction following
multimodal learning
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
查看更多机构
引用论文
暂无论文信息