该数据集包含图像名称、查询、标签、类型和图像二进制数据。数据集分为训练集、验证集和测试集，分别包含28299、1920和2500个示例。总下载大小为973601338字节，数据集总大小为1448382109字节。使用该数据集需要手动下载zip文件，并且不能直接使用datasets库的load_dataset函数加载。如果需要可加载的版本，可以使用不包含图表图像的版本，但仍需使用本数据集repo中提

Hugging Face2024-06-22 更新400

VisuLogic

视觉推理

自然语言处理

VisuLogic是由上海人工智能实验室推出的视觉推理基准数据集，包含1000个人类验证的问题，覆盖六个类别，包括数量推理、空间推理、位置推理、属性推理、风格推理等。数据集从公开的在线资源中收集问题，经过图像验证、重复项移除、人工检查等质量控制流程，旨在评估多模态大型语言模型在没有混合纯文本推理的情况下的视觉推理能力。

arXiv2025-04-22 更新340

PRISM-Bench

视觉推理

多模态模型

PRISM-Bench是一个基准数据集，旨在评估多模态大语言模型在复杂视觉谜题推理方面的能力。它包含多样化的视觉推理任务，如谜题、基于图的推理、模式识别和算法推理等。数据集提供思维链注释、指令损坏测试、首次错误检测以及VQA风格评估等功能。

github2025-10-28 更新610

Zebra-CoT

视觉推理

自然语言处理

Zebra-CoT是一个大规模的多样化数据集，包含182,384个逻辑上连贯的交错文本-图像推理轨迹样本，涵盖了科学问题、二维视觉推理、三维视觉推理以及视觉逻辑和策略游戏等四个主要类别。该数据集通过从现实世界领域收集和清洗原始轨迹，以及使用VLMs填充模板推理来生成合成示例。Zebra-CoT旨在解决当前视觉语言模型在视觉推理方面的局限性，并通过提供高质量的交错文本和图像推理训练数据来推动视觉推理

arXiv2025-07-23 更新350

Raven_distribute_nine

资源简介：

相关数据集