书生·万卷1.0多模态语料库
音视频
0 下载
94 浏览
2026-08-09
数据集简介
书生·万卷1.0是书生·万卷多模态语料库的首个开源版本,由上海人工智能实验室与OpenDataLab联合发布,旨在为多模态大模型训练提供高质量、大规模的中文语料资源。
数据组成
书生·万卷1.0包含三部分数据:
- 文本数据集:涵盖多种类型的文本语料,用于提升模型的语义理解和知识问答能力。
- 图文数据集:包含图像与文本配对数据,用于增强模型的视觉理解和视觉问答能力。
- 视频数据集:提供视频及其相关文本描述,支持视频理解与多模态任务。
数据规模
数据总量超过2TB,为大规模模型训练提供了充足的数据基础。
应用场景
书生·万卷1.0已被应用于书生·多模态、书生·浦语的训练。通过对高质量语料的“消化”,书生系列模型在语义理解、知识问答、视觉理解、视觉问答等各类生成式任务中表现出优异性能。
获取方式
该数据集公开免费,可通过OpenDataLab平台访问和下载。如有疑问,可联系OpenDataLab@pjlab.org.cn。
基本信息
记录数量未知
文件大小超过2TB
文件格式未知
数据来源OpenDataLab
数据总量超过2TB
数据落地页https://opendatalab.com/OpenDataLab/WanJuan1_dot_0
发布日期2026-08-09
多模态语料库文本图文视频书生·万卷
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载