Articles sur CoVA-SFT

CoVA-SFT contient 51,9K échantillons, plus de 222K étapes de raisonnement multimodal, couvrant 5 familles de mise en page et 17 tâches, visant à apprendre au modèle à construire un espace de travail visuel interne dans un raisonnement textuel pur. Comparé au texte CoT, qui sérialise les questions visuelles en prose, cet ensemble de données fournit un corpus de formation à l'autocorrection en plusieurs étapes à grande échelle, comblant ainsi le vide dans cette direction.