GD-ML/UniVG-R1-data

UniVG-R1是一个用于通用视觉定位的推理引导型多模态大型语言模型，通过强化学习来增强在复杂多图像和多模态场景下的推理能力。数据集包含修订版的MIG_bench数据、CoT-SFT数据和RL数据，以及用于零样本评估的边界框注释。

UniVG-R1 is a reasoning-guided multimodal large language model for universal visual grounding, which enhances reasoning in complex multi-image and multi-modal scenarios through reinforcement learning. The dataset includes the revised MIG_bench data, CoT-SFT data, RL data, and bounding box annotations for zero-shot evaluation.

搜集汇总

背景与挑战

背景概述

该数据集名为'GD-ML/UniVG-R1-data'，旨在支持UniVG-R1模型，这是一个通过强化学习增强推理能力的通用视觉定位多模态大语言模型（MLLM）。数据集包含多个JSON文件，用于模型训练和评估，涉及修订版基准、CoT-SFT数据、RL数据以及零样本评估的边界框注释，专注于多图像和多模态场景下的视觉定位任务。