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！

# 这是一个  # 扶沟网站建设推广  # 贺州网站建设开发全国接单  # 东宝区网站优化推广中心  # 姑苏网站优化推广方法  # 想做个土豆网站推广  # 安顺租房网站建设管理  # 海南重庆网站建设制作  # 什么是seo帽  # 软文借势营销推广方案  # 网站的建设银行签约  # 展示了  # 数据集  # 西班牙文  # 中国  # 阿拉伯语  # 多个  # 八种  # 首个  # 多模  # 来了  # chatgpt  # 指令 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 全新小艺搭载AI大模型，有效提升学生和职场人士的工作效率  出门问问亮相2025世界人工智能大会，展示AI CoPilot解决方案  马克龙密会AI专家，法国加入全球人工智能竞赛  12页线性代数笔记登GitHub热榜，还获得了Gilbert Strang大神亲笔题词  成都大运会闭幕式引入人形机器人展示表演  苹果AIGC专利：可通过语音指令生成AR/VR虚拟场景  微软必应聊天现已在Chrome和Safari浏览器上可用，但仍有许多限制存在  Goodnotes 6推出，带来多项全新AI功能，让电子笔记更智能  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？  广州团建公司方案 | 绝密飞行 → X-PLANE无人机团建主题团建  消息称 ChatGPT 未来有望增加更多功能：上传文件分析信息，还能记住用户画像  彬州市第三届青少年机器人创新大赛成功举办  Transformer六周年：当年连NeurIPS Oral都没拿到，8位作者已创办数家AI独角兽  英伟达H100霸榜权威AI性能测试 11分钟搞定基于GPT-3的大模型训练  Meta发布语音AI模型 Voicebox 助虚拟助手与NPC对话  【搞事】时隔4年 谷歌更新安卓logo 机器人头更饱满了  7/8上海 | 2025世界人工智能大会分论坛:科技与人文-共筑无障碍智能社会  AYANEO 安卓掌机 Pocket AIR 配置公布：天玑 1200 + 5.5 英寸屏  如何利用物联网技术提高企业生产线智能化水平，提升生产效率  Win11 的画图应用将包含 Windows Copilot 的 AI 工具整合  专家解读国家网信办深度合成服务算法备案信息公告：不等于百度、阿里、腾讯等生成式AI产品获批  无人机巡检方案是什么，该如何选择适合的巡检方案  新华全媒+｜AI：当心，我可能欺骗了你！  无需照相馆，AI证件照生成软件即将推出  卫星通信牵引物联网竞争升维，模组厂商如何决胜百亿市场？  字节、网易相继入局，AI之后大厂又找到下一个风口？  美版贴吧8000小组自爆停摆！拒绝数据被谷歌OpenAI白嫖，CEO被网友骂翻：背刺第三方应用  金山办公宣布与英伟达团队合作，加速WPS AI服务  组建团队，字节跳动要造机器人？  热点 | 人工智能黄金时代开启  杀入生成式AI的亚马逊云科技，能否再次生成未来？  Meta Quest订阅服务每月7.99美元畅玩两款VR游戏应用  普林斯顿大学推出 Infinigen AI 模型，生成真实自然环境 3D 场景  微软推出人工智能模型 CoDi，可互动和生成多模态内容  世界周刊丨AI“棱镜”？  社区里，孩子们体验“机器人竞技”  干货满满，2025昆山元宇宙国际装备展等你来打卡！  厂商陆续公布AI进展 完美世界游戏展示复合应用AI in GamePlay  直击上影节 | 光线传媒董事长王长田谈新技术：未来VR放映效果可能媲美影院  物联网和人工智能的协同作用：释放预测性维护的潜力  长宁这家企业在世界人工智能大会上荣获“蓝鼎奖”  以计算机视觉技术为基础的库存管理如何改革零售行业  五项人工智能尚未能够实现的任务  人工智能时代的科幻译者怎么办？“做好翻译工作的高端10%”｜文化观察  AI取代人工先拿教育行业开刀？美版“作业帮”启动裁员  实践J*a开发，构建高性能的MongoDB数据迁移工具  你们的开机第一屏画面要变了！安卓机器人首次3D化  如何成功实施人工智能？  超级智能到底是什么？  商业智能决策技术助力降本增效，世界人工智能大会举办商业AI高峰论坛 

 2023-06-13