Dramazy/meow-10k

Meow-10K是一个高保真、同步的四模态数据集，包含10,000个猫科动物样本。它是Meow-Omni 1的主要训练语料库，旨在促进计算行为学中的深度意图推理。该数据集首次为多模态大语言模型提供了大规模训练基础，以学习外部行为与内部生理状态之间的因果关系。通过整合高频生物时间序列数据和传统的视听流，数据集允许模型解决语义混叠问题，即相同的物理动作可能掩盖不同的内部意图。数据集结构包括视频（捕捉猫的物理表现）、音频（高质量叫声录音）、生物时间序列数据（同步高频生物特征数据）和文本标签（通过NBP方法衍生的自然语言描述和意图标签）。Meow-10K is a high-fidelity, synchronized quad-modal dataset comprising 10,000 feline samples. It is the primary training corpus for Meow-Omni 1, designed to facilitate deep intention reasoning in computational ethology. The dataset provides the first large-scale training foundation for Multimodal Large Language Models (MLLMs) to learn the causal relationships between external behaviours and internal physiological states. By integrating high-frequency biological time-series data with traditional audio-visual streams, the dataset allows models to resolve semantic aliasing—where identical physical actions mask different internal intents.

搜集汇总

数据集介绍

构建方式

Meow-10K是一个高保真、同步四模态的猫科动物行为数据集，旨在为计算行为学中的深层意图推理提供训练基础。其构建面临的核心挑战在于猫科动物内部意图的“真实标签”难以获取。为此，数据集创新性地采用了“下一行为预测”（NBP）代理逻辑。首先，对原始数据进行时间分割，捕捉动物行为转变的关键节点。随后，将转变后发生的下一个行为作为转变前数据的意图标签。譬如，若猫的行为序列由“蹲伏”过渡至“扑跃”，则该片段被标注为“捕食/狩猎意图”，从而迫使模型学习行为背后的因果前兆。通过这种代理标注策略，Meow-10K构建了包含视频、音频、高频生物时间序列（心电/脑电/惯性测量单元）及文本标签的10,000余个多模态实例，为多模态大语言模型解决“语义混叠”问题提供了大规模训练基石。

特点

Meow-10K数据集在动物行为理解领域具有三大显著特性。其一为高保真四模态同步性，每个实例均包含视频、音频、高频生物时间序列及自然语言标签，实现了外部行为与内部生理状态的精准对齐。其二在于独特的“语义混叠”消解能力，通过NBP代理标签策略，模型得以学习到相同物理动作背后可能隐藏的不同内在意图，从而提升意图推断的细粒度与鲁棒性。其三，数据集与Meow-Omni生态系统深度耦合，配套发布了完整的微调模型、基础模型及专家验证的基准测试套件MeowBench，这不仅便于学界复现研究，也为跨物种沟通与潜在状态表征等前沿探索提供了标准化评估平台。

使用方法

Meow-10K数据集专为多模态大语言模型在动物行为解读领域的训练与微调而设计。使用时应将视频、音频及生物时间序列数据同步输入至支持四模态编码的模型框架中，并利用文本标签进行监督学习。推荐基于其配套的Meow-Omni 1模型架构进行微调，该模型已针对意图对齐进行了优化。为进一步验证模型性能，研究者可利用MeowBench基准套件进行标准化评测。需特别注意的是，该数据集主要服务于科研目的，不应用于实际的兽医诊断或商业监控场景，所有使用场景均需遵守动物福利伦理准则，确保模型的探索停留在计算行为学的前沿研究范畴内。

背景与挑战

背景概述

在计算行为学与多模态大语言模型交叉发展的前沿领域，理解动物行为与内在状态之间的因果关联成为学界长期探索的难题。由Hu Jucheng、Chen Zhangquan等多位研究者于2026年联合发布的Meow-10K数据集，专为Meow-Omni 1模型设计，开创性地提供了10,000份高保真、四模态同步的猫科动物样本。该数据集突破了传统仅依赖视听数据的行为解析局限，通过整合高频心电、脑电、惯性测量单元等生物时间序列与视频音频，致力于消除‘语义混淆’——即相同外部动作掩盖不同内部意图的问题。Meow-10K的问世，为多模态大模型在跨物种意图推理、潜在状态表征学习等方向提供了坚实的训练基石，极大地推动了计算行为学与人工智能融合研究的发展。

当前挑战

Meow-10K数据集所解决的领域核心挑战在于：猫科动物内在意图缺乏客观‘真实标签’，使得从外部行为推断内部生理状态成为难点。为应对此问题，研究团队创新性采用下一步行为预测（NBP）代理逻辑，通过动作转折点进行时间分段，将后续行为作为前序数据的意图标签，从而迫使模型学习因果先兆。构建过程中，同步采集高频生物时序与视听数据并确保精准对齐是一大技术难题；此外，大规模标注受试动物的动态行为片段，并在无侵入条件下获取高质量生物信号，对实验设计的严谨性与伦理合规性提出了极高要求。这些挑战的攻克，使得Meow-10K成为动物行为理解领域极具价值的标杆资源。

常用场景

经典使用场景

Meow-10K数据集专为多模态大语言模型在动物行为解读领域的训练与微调而设计，堪称计算行为学研究的基石。其经典使用场景在于构建能够理解猫科动物内在意图的智能模型，通过融合视频、音频、生物时间序列（如心电、脑电、惯性测量单元数据）以及文本标签，使模型具备从多源异构信息中解析因果联系的能力。研究者可借助该数据集探索跨物种通信的潜在表征，将非人类的复杂行为映射至可解释的语言空间，从而打破传统行为分析仅依赖外部观察的局限，开创了多模态信息深度整合的先河。

衍生相关工作

Meow-10K催生了Meow-Omni生态系统，其中包含Meow-Omni 1四模态基础模型及其微调变体，以及专为猫科行为理解设计的评估基准MeowBench。这些衍生工作共同构建了完整的训练与评价闭环，为计算行为学提供了可复现的研究工具链。后续研究可能拓展至其他动物物种的多模态数据集构建，或探索NBP策略在人类非语言意图推理中的应用，从而进一步验证该代理标签框架的通用性与可迁移性，推动人机交互与动物行为研究的交叉融合。

数据集最近研究

最新研究方向

Meow-10K数据集聚焦于计算动物行为学前沿领域，通过融合心电、脑电、惯性测量单元等高频生物时间序列与音视频模态，开创性地构建了首个四模态猫科动物意图推理训练基准。该数据集创新性地采用“下一行为预测”代理标注逻辑，以解决动物内部状态难以获取的经典困境，为多模态大语言模型学习外部行为与内在生理状态间的因果关联提供了关键基石。其驱动开发的Meow-Omni 1模型已催生出跨物种语义理解的全新范式，不仅在理论层面深化了非人类智能体的潜在状态表征研究，更在实践上为动物福利监测、人宠交互系统等热点伦理与科技应用开辟了数据驱动的新路径。