数据集简介
ShareGPT-4o-Image 是一个由 FreedomIntelligence 发布的大规模多模态对话数据集，主要用于训练和评估视觉-语言模型。
主要用途
该数据集旨在支持多模态大语言模型的指令微调与能力对齐，帮助模型理解和生成结合图像与文本的复杂对话。
数据类型/模态
- 主要模态：文本（对话格式）
- 关联模态：图像（根据数据集名称推断，数据集本身存储的是文本对话，但对话内容涉及对图像的描述、理解和基于图像的问答）
规模与统计信息
- 样本数量：92,256 条对话记录
- 数据格式：JSON
- 下载量：416+
- 社区热度：获赞 96
使用场景
- 多模态模型微调：为 GPT-4o、LLaVA 等视觉-语言模型提供高质量的指令遵循对话数据。
- 研究评估：作为基准数据集，用于评估模型在图像理解、视觉问答、多轮对话等方面的能力。
- 对话生成：训练模型生成与图像内容相关、自然且有用的回复。
核心特点
- 高质量对话：数据来源于 ShareGPT 社区，经过筛选和整理，对话质量较高。
- 视觉-语言对齐：文本对话围绕图像内容展开，强调跨模态理解与交互。
- 实用性强：直接适用于当前主流的视觉-语言模型训练流程。