CoVA-SFT に関する報道

CoVA-SFT には 51.9K のサンプル、222K を超えるマルチモーダル推論ステップが含まれており、5 つのレイアウト ファミリと 17 のタスクをカバーしており、純粋なテキスト推論で内部ビジュアル ワークスペースを構築するようにモデルに教えることを目的としています。視覚的な質問を散文にシリアル化するテキスト CoT と比較して、このデータセットは大規模なマルチステップの自己修正トレーニング コーパスを提供し、この方向のギャップを埋めます。