環(huán)球熱頭條丨阿里巴巴研發(fā)中文語言數據集 Youku-mPLUG，語料數據來自優(yōu)酷

(資料圖)

品玩 6 月 8 日訊，據 arxiv 上的一篇論文顯示，達摩院近日為了推動視覺語言預訓練以及多模態(tài)大語言模型在中文社區(qū)的發(fā)展，發(fā)布了一款視頻語言數據集 Youku-mPLUG。

這個數據集的所有內容均來自優(yōu)酷，對其中的安全性、多樣性和內容質量有著非常嚴格的標準。據達摩院介紹，Youku-mPLUG 中包含了 45 種不同類型的 1000 萬個視頻文本，這些視頻文本從 4 億個原始視頻中篩選而出，主要用于大規(guī)模預訓練。

達摩院表示，Youku-mPLUG 可以幫助研發(fā)人員在未來進行更深入的多模態(tài)研究，開發(fā)出更好的應用。