伯克利发布 CoVA-SFT 视觉推理链数据集
UCBerkeley · hf · 2026-09-02
UC Berkeley 发布了 CoVA-SFT，这是一个大规模多模态推理数据集。它旨在教语言模型通过结构化的推理步骤交错文本和视觉抽象，从而提升在视觉推理基准上的表现。
「多模态」频道最新
- AI 视频以假乱真:Reddit 用户感叹已难分辨真假内容 — gouterz · 2026-10-18
- 开发者发布 Qwen-Image-2.1 宽松限制 LoRA,几乎任意姿势可生成 — metalfans · 2026-10-18
- MiniMax H3 图生视频角色替换 prompt 结构实测：六段式模板全公开 — photobombolo · 2026-10-18
- Black Forest Labs 时隔许久发新图像模型，图像编辑能力惊艳 — Xianbao_QIAN · 2026-10-18
- DeepSeek V4.1 Flash 一句话生成细节拉满的90年代中国居民楼3D场景 — zizhpan · 2026-10-18
- 开源版CapCut:Rust引擎视频编辑器Concat可被AI Agent直接控制 — techNmak · 2026-10-18