**DataComp-VLM:优化视觉语言模型训练数据集的新基准**

_DataComp-VLM: Improved Open Datasets for Vision-Language Models_

> HuggingFace社区发布DataComp for VLMs (DCVLM),这是一个包含6万亿多模态token的大型基准测试,用于评估和改进视觉语言模型的训练数据策展策略。研究发现数据混合比过滤更重要,指令类数据混合在大规模下表现更佳。基于此构建的DCVLM-Baseline数据集,使用200B token训练出的8B模型在核心任务上准确率达63.6%,优于现有开源最佳方案。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-07-06 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2606.28551)