280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了

近段时间来，AI 对话助手在语言任务上取得了不小的进展。这种显著的进步不只是基于 LLM 强大的泛化能力，还应该归功于指令调优。这涉及到在一系列通过多样化和高质量指令的任务上对 LLM 进行微调。

借助指令调优获得零样本性能的一个潜在原因是，它内化了上下文。这很重要，特别是当用户输入跳过常识性的上下文时。通过纳入指令调优，LLM 获得了对用户意图的高度理解，即使在以前未见过的任务中也能表现出更好的零样本能力。

然而，一个理想的 AI 对话助手应该能够解决涉及多种模态的任务。这需要获得一个多样化和高质量的多模式指令跟随数据集。比如，LLaVAInstruct-150K 数据集（也被称为 LLaVA）就是一个常用的视觉 - 语言指令跟随数据集，它是使用 COCO 图像、指令和从 GPT-4 中获得的基于图像说明和目标边界框的响应构建的。但 LLaVA-Instruct-150K 具有三个局限性：有限的视觉多样性；使用图片作为单一视觉数据；上下文信息仅包含语言形态。

为了推动 AI 对话助手突破这些限制，来自新加坡南洋理工大学、微软雷蒙德研究院的学者们提出了多模态上下文指令调优数据集 MIMIC-IT，这是一个包含 280 万条多模态上下文指令 - 相应对的数据集，涵盖各种现实生活场景。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

论文地址：https://arxiv.org/pdf/2306.05425.pdf

此外，为了高效地生成指令 - 响应对，研究者还介绍了「Sythus」，这是一个受 self-instruct 方法启发的指令 - 响应注释的自动化 pipeline。Sythus 采用系统信息、视觉注释和上下文中的例子来指导语言模型（GPT-4 或 ChatGPT）根据视觉语境生成指令 - 响应对，针对视觉语言模型的三个基本能力：感知、推理和规划。此外，英文的指令和响应被译成七种语言，以支持多种语言的使用。

特别值得注意的是，研究者在 MIMIC-IT 上训练了基于 OpenFlamingo 的多模态模型「Otter」。通过 ChatGPT、人类两个方面的评估，Otter 的多模态能力超越了近期的其他视觉 - 语言模型。

在一系列 Demo 中，研究者展示了 Otter 的多模态问答能力：

Q：接下来出哪张牌？

A：八筒。这样你就能留着四条和五条，等着凑成顺子。

Q：我想着陆了，怎么操作？

A：按一次左下按钮，左转，要着陆时拉右边的手刹。

Q：接下来怎么办？

A：把球传到中路，跑到球门，寻找进球机会。

接下来，让我们看看研究细节。

MIMIC-IT 数据集

MIMIC-IT 数据集包括 280 万个多模态指令 - 响应对，涵盖了基本能力：感知、推理和计划。每个指令都伴随着多模态的对话背景，使在 MIMIC-IT 上训练的 VLM 能够在交互式指令中表现出很好的熟练度，并能进行零样本的概括。

相比于 LLaVA，MIMIC-IT 的特点包括：

(1) 多样化的视觉场景，包含了一般场景、自我中心视角场景和室内 RGB-D 图像等不同数据集的图像和视频；

(2) 多个图像（或一个视频）作为视觉数据；

(3) 多模态的上下文信息，包括多个指令 - 响应对和多个图像或视频；

(4) 支持八种语言，包括英文、中文、西班牙文、日语、法语、德语、韩语和阿拉伯语。

下图进一步展示了二者的指令 - 响应对对比（黄色方框为 LLaVA）：

如表 1 所示，MIMIC-IT 的数据源来自七个数据集：COCO、Spot-the-diff (SD)、ScanNetV2 (SN)、VisualStorytelling (VIST) 、DenseCaption/Activity caption（DC）、TVCaption（TVC）和 Ego4D（E4D）。「上下文」这一列的「lang.」表示语言，「vis.」表示视觉。

同时，研究者提出了 Sythus（图 3），这是一个自动化 pipeline，用于生成多种语言的高质量指令 - 响应对。在 LLaVA 提出的框架基础上，研究者利用 ChatGPT 来生成基于视觉内容的指令 - 响应对。为了确保生成的指令 - 响应对的质量，该 pipeline 将系统信息、视觉注释和上下文中的样本作为 ChatGPT 的 prompt。系统信息定义了所生成的指令 - 响应对的预期语气和风格，而视觉注释则提供了基本的图像信息，如边界框和图像描述。上下文中的样本帮助 ChatGPT 在语境中学习。

由于核心集的质量会影响后续的数据收集过程，研究者采用了一个冷启动策略，在大规模查询之前加强上下文中的样本。在冷启动阶段，采用启发式方法，仅通过系统信息和视觉注释来 prompt ChatGPT 收集上下文中的样本。这个阶段只有在确定了令人满意的上下文中的样本后才结束。在第四步，一旦获得指令 - 响应对，pipeline 会将它们扩展为中文（zh）、日文（ja）、西班牙文（es）、德文（de）、法文（fr）、韩文（ko）和阿拉伯语（ar）。进一步的细节，可参考附录 C，具体的任务 prompt 可以在附录 D 中找到。

经验性评估

随后，研究者展示了 MIMIC-IT 数据集的各种应用以及在其上训练的视觉语言模型 (VLM) 的潜在能力。首先，研究者介绍了使用 MIMIC-IT 数据集开发的上下文指令调优模型 Otter。而后，研究者探索了在 MIMIC-IT 数据集上训练 Otter 的各种方法，并讨论了可以有效使用 Otter 的众多场景。

图 5 是 Otter 在不同场景下的响应实例。由于在 MIMIC-IT 数据集上进行了训练，Otter 能够为情境理解和推理、上下文样本学习、自我中心的视觉助手服务。

最后，研究者在一系列基准测试中对 Otter 与其他 VLM 的性能进行了比较分析。

ChatGPT 评估

下表 2 展示了研究者利用 MMAGIBench 框架 [43] 对视觉语言模型的感知和推理能力进行广泛的评估。

人类评估

Multi-Modality Arena [32] 使用 Elo 评级系统来评估 VLM 响应的有用性和一致性。图 6 (b) 显示 Otter 展示了卓越的实用性和一致性，在最近的 VLM 中获得了最高的 Elo 评级。

少样本上下文学习基准评估

Otter 基于 OpenFlamingo 进行微调，OpenFlamingo 是一种专为多模态上下文学习而设计的架构。使用 MIMIC-IT 数据集进行微调后，Otter 在 COCO 字幕 (CIDEr) [27] 少样本评估（见图 6 (c)）上的表现明显优于 OpenFlamingo。正如预期的那样，微调还带来了零样本评估的边际性能增益。

图 6：ChatGPT 视频理解的评估。

讨论

缺陷。虽然研究者已经迭代改进了系统消息和指令 - 响应示例，但 ChatGPT 容易出现语言幻觉，因此它可能会生成错误的响应。通常，更可靠的语言模型需要 self-instruct 数据生成。

未来工作。未来，研究者计划支持更多具体地 AI 数据集，例如 LanguageTable 和 SayCan。研究者也考虑使用更值得信赖的语言模型或生成技术来改进指令集。

以上就是280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了的详细内容，更多请关注其它相关文章！

# 指令  # seo不得不深思  # 瑞安市网站建设  # 九江网络推广营销  # 说说代刷网站推广免费  # 营销网络推广联系地址  # 绍兴网站优化地址  # 石马河网站推广计划招聘  # 网站加速优化方案  # 展示了  # 这是一个  # 西班牙文  # 中国  # 阿拉伯语  # 多个  # 八种  # 首个  # 多模  # 来了  # chatgpt  # 数据集  # seo优化关键词步骤  # 微信营销推广方案ppt模板分享 

相关栏目： 【 行业新闻62819 】 【 科技资讯67470 】

相关推荐： 苹果推出全新沉浸式 AR 体验应用“Deep Field”  谷歌旗下 DeepMind 开发出 RoboCat AI 模型，能控制多种机器人执行一系列任务  大语言模型的视觉天赋：GPT也能通过上下文学习解决视觉任务  人工智能驱动艺术，打开达利的超现实想象  AMD称下半年AI显卡供应充足，不需要像NVIDIA那样加价抢购  优地网络助力新媒体拥抱人工智能时代  中国联通推出“极光一号”5G机载终端，适配大疆等品牌无人机设备  最大助力35公斤 外骨骼机器人或在养老、医疗领域“大展身手”  生成式AI对云运维的3大挑战  有远见！华为四年前注册商标Vision Pro：苹果AR国内要改名  Win11 AI 助手 Windows Copilot 被吐槽：套皮的 Edge 浏览器  研究表明 GPT-4 模型具备自我纠错能力，有望推动 AI 代码进一步商业化  B站内测 AI 搜索功能，输入“？”即可体验  人工智能快速发展 打开就业新空间  微软大牛加入ZOOM，AI人才大战打响  重磅！ 捷通华声灵云AICC荣获第二届光合组织AI解决方案大赛二等奖  普渡机器人与变形金刚品牌合作，特别活动爆火，商品售罄！  研究预测HPC支持的人工智能增长迅速  2025 WAIC｜美团无人机发布第四代新机型  出门问问亮相2025世界人工智能大会，展示AI CoPilot解决方案  谷歌推出RT-2视觉语言动作模型，使机器人能够掌握垃圾丢弃技能  SnapFusion技术大幅提升AI图像生成速度  花16000元买四款扫拖机器人！科沃斯追觅石头小米谁能笑到最后？  财联社首档运用虚拟人技术播报栏目《AI半小时》今晚上线！敬请期待  1分钟做出苹果Vision Pro「官网」？上班8小时搞出480个网页，同事被卷疯了  “世界人工智能之都”的新烦恼：AI热潮无法拉动大量就业  实测 AI 建筑设计软件的自动生成效果图能力  陈根：AI工具为游戏软件实时3D内容助力  AI新风口？首个高质量「文生视频」模型Zeroscope引发开源大战：最低8G显存可跑  「电子果蝇」惊动马斯克！背后是13万神经元全脑图谱，可在电脑上运行  对话无界AI创始人长铗：AI的创业机会在应用层丨创新者Innovator  AI赋能艺术 超现实达利奇幻之旅在沪开启  推动企业数字化转型升级！“松江智造”摘世界人工智能大会重磅奖项  陈根教授：离人形机器人时代还有10年吗？  首个算网生态体！中国移动元宇宙产业联盟正式成立  构建数字文旅新高地！洛阳涧西区开启元宇宙时代  280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了  下一个前沿：量子机器学习和人工智能的未来  深圳人工智能企业超1900家  江永：精准施训提升通信无人机应急救援能力  Unity 推出面向开发者的 AI 软件市场 AI Hub，股价飙涨 15%  广州团建公司方案 | 绝密飞行 → X-PLANE无人机团建主题团建  网易云音乐内测上线“私人DJ” 打造AI推荐音乐助手  AI无法对传统文化符号进行解构和创新  AI新视野，增长新势能，伙伴云受邀出席笔记侠创业讲真话AI峰会  官宣！爱康AI未来之夜三大亮点提前剧透！  发布最新版本的 PICO OS 5.7.0：支持VR头盔录屏并跨平台分享至微信  定义人工智能的十个关键术语  两小时就能超过人类！DeepMind最新AI速通26款雅达利游戏  Midjourney 5.2震撼发布！原画生成3D场景，无限缩放无垠宇宙