0
0
聖光之護
发布时间：2026-01-20 15:25:00
|428人浏览过
|来源于php中文网
原创
格灵深瞳正式推出超大规模中文视觉-语言预训练数据集“丹青”（danqing），涵盖1亿条高质量图文匹配样本，数据采集时间覆盖2024至2025年全网公开资源。该数据集引入更为精细的数据清洗与质量评估机制，实验结果显示：依托siglip2模型开展的基准测试表明，“丹青”在零样本图像分类、跨模态图文检索以及大型多模态模型综合能力评估等多项关键任务中均展现出卓越性能。
据项目团队介绍，其构建了一套融合BERTopic算法的主题建模 pipeline。具体而言，研究人员从全量数据中随机采样1000万组图像-文本对，并采用Chinese-CLIP-L/14模型提取文本侧语义嵌入向量；针对高维空间聚类易受噪声干扰的问题，团队先利用UMAP进行非线性降维，再通过HDBSCAN算法识别语义密集簇，设定最小簇规模为1000以增强聚类鲁棒性并抑制离群噪声；最终，基于各主题内部词频分布，采用类别加权TF-IDF策略提取最具代表性的关键词集合。
“丹青”数据集官方网站：https://www.php.cn/link/d63a68a590c7ccfcd1c00f5e229b5a6e
相关文章
用数据照亮成长之路：PandaCoder Git 统计工具窗口
Git 3.0 有望在 2026 年发布，默认启用更安全的 SHA-256 哈希算法
JetBrains 宣布 DataGrip 面向非商业用途免费
Linus 对 Git 提交信息中“Link:”标签被滥用表达不满
开源 IDE 项目 Zed 完成 3200 万美元 B 轮融资
本站声明：本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
热门AI工具
相关专题
http与https的区别：1、协议安全性；2、连接方式；3、证书管理；4、连接状态；5、端口号；6、资源消耗；7、兼容性。本专题为大家提供相关的文章、下载、课程内容，供大家免费下载体验。
1998
2024.08.16
本专题系统讲解 Java 虚拟机（JVM）的核心工作原理与性能调优方法，包括 JVM 内存结构、对象创建与回收流程、垃圾回收器（Serial、CMS、G1、ZGC）对比分析、常见内存泄漏与性能瓶颈排查，以及 JVM 参数调优与监控工具（jstat、jmap、jvisualvm）的实战使用。通过真实案例，帮助学习者掌握 Java 应用在生产环境中的性能分析与优化能力。
13
2026.01.20
本专题系统讲解 PHP 在实时通信与长连接场景中的应用实践，涵盖 WebSocket 协议原理、服务端连接管理、消息推送机制、心跳检测、断线重连以及与前端的实时交互实现。通过聊天系统、实时通知等案例，帮助开发者掌握 使用 PHP 构建实时通信与推送服务的完整开发流程，适用于即时消息与高互动性应用场景。
17
2026.01.19
热门下载
相关下载
Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
