英伟达发布了一个包含300万高质量样本的视觉语言模型训练数据集，以支持OCR、VQA和图像字幕生成等多种应用。
数据集构成
主要用途
数据来源与构建方式
模型配套
该数据集是 Llama 3.1 Nemotron Nano VL 8B 模型的训练基础，该模型在 OCRBench V2、DocVQA、ChartQA 等基准测试中表现领先，已作为 NVIDIA NIM API 和 Hugging Face 模型库的一部分开放使用。
如需获取数据集，可直接访问 Hugging Face 页面：https://huggingface.co/datasets/nvidia/Llama-Nemotron-VLM-Dataset-v1
评论删除后，数据将无法恢复
英伟达发布包含 300 万条高质量样本的视觉语言模型训练数据集
英伟达发布了一个包含300万高质量样本的视觉语言模型训练数据集，以支持OCR、VQA和图像字幕生成等多种应用。
数据集构成
主要用途
数据来源与构建方式
模型配套
该数据集是 Llama 3.1 Nemotron Nano VL 8B 模型的训练基础，该模型在 OCRBench V2、DocVQA、ChartQA 等基准测试中表现领先，已作为 NVIDIA NIM API 和 Hugging Face 模型库的一部分开放使用。
如需获取数据集，可直接访问 Hugging Face 页面：https://huggingface.co/datasets/nvidia/Llama-Nemotron-VLM-Dataset-v1