大视觉模型

多模式Instruction Following Data

基于COCO数据集，我们与纯语言GPT-4进行了交互，共收集了158K个唯一语言图像指令跟随样本，其中对话样本58K个，详细描述样本23K个，复杂推理样本77k个。请在[HuggingFace数据集]上签出“LLaVA-Instruct-150K”。