YANAMI 发布 40 万对话多模态数据集，现有模型难跨轮状态追踪
Shengyu Wang · hf · 2026-11-04
来自港科大、上交 AI Lab 等多所机构的研究团队发布 YANAMI，一个面向多轮有状态交互的大规模多模态对话数据集与基准。
- 训练集 YANAMI-400K：包含 40 万段对话、200 万+ 张图像、260 万轮对话
- 评测基准 YANAMI Bench：人工校验，含 400 段对话、1883 张图像、8467 个评分点，要求模型在多轮编辑/生成中追踪并落实不断演化的对话状态（如「灯在左边但别动猫」「椅子保持蓝色」等约束）
- 结论：当前统一多模态模型在此类多轮有状态任务上表现仍不理想
论文：arXiv 2611.x，项目页 rowletqwq.github.io/YANAMI
「多模态」频道最新
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04
- 浙大等发布 VidUEU-Agent:自动从原始视频合成 10 万条多模态指令数据 — Tengju Ru · 2026-11-04
- Midjourney v8.2 拟真晨光人像：作者附完整提示词 — tisch_eins · 2026-11-04
- Seedance 2.5 生成混搭视觉风格实验视频,已登陆 Adobe Firefly — umesh_ai · 2026-11-04
- MiniMax 海螺 H3 自称语言测试口语写作双满分,日本创作者实测招牌保持力第一 — Hailuo_AI · 2026-11-04
- 本地 3D 生成神器 Idol:8GB 显存 45 秒图生 3D — Promptmethus · 2026-11-04