Models · Data · 多模态
LLaVA-Instruct-150K
用 GPT 生成图文指令,覆盖描述、推理与对话,是早期多模态 SFT 的常用基线。
| 来源 | LLaVA / University of Wisconsin-Madison |
|---|---|
| 规模 | 15 万条图文指令 |
| 语言 | 英文 |
| 格式 | JSON |
| 许可 | LLaVA 数据条款;图像随 COCO |
| 商用 | 需逐项核对图像与文本条款 |
| 获取 | Hugging Face 直接下载 |
| 任务适配 | 多模态 SFT / 图文问答 |
| 核验日 | 2026-11-19 |
质量与偏差
用 GPT 生成图文指令,覆盖描述、推理与对话,是早期多模态 SFT 的常用基线。
使用边界
指令由模型生成,存在幻觉与风格偏差;图像来自 COCO,版权随源数据集。
第一次使用
先抽 1,000 条检查图文对齐与指令多样性,再决定是否全量。
常见坑
把生成指令当人工标注;忽略图像许可。
成本
中等;多模态训练需要 GPU 显存。
不适合
不适合直接做中文多模态或医疗影像。
对比与替代
与 DataComp / LAION 相比更偏指令数据,不是预训练图文对。
怎么验证
核对图像 ID 与指令字段;抽 50 条看图文是否一致。
下一步
- 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
- 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
- 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/liuhaotian/LLaVA-Instruct-150K · 核验日 2026-11-19 · 许可以来源页为准