silk-road/MMC4-130k-image-english

---
license: odc-by
task_categories:
- image-to-text
- text-to-image
language:
- en
size_categories:
- 100K<n<1M
---

MMC4-130k是对MMC4中，抽样了130k左右 simliarty较高的图文pair得到的数据集

我们准备陆续翻译这个子集

我们会陆续将更多数据集发布到hf，包括

- [ ] Coco Caption的中文翻译
- [ ] CoQA的中文翻译
- [ ] CNewSum的Embedding数据
- [ ] 增广的开放QA数据
- [x] WizardLM的中文翻译

如果你也在做这些数据集的筹备，欢迎来联系我们，避免重复花钱。

# 骆驼(Luotuo): 开源中文大语言模型

[https://github.com/LC1332/Luotuo-Chinese-LLM](https://github.com/LC1332/Luotuo-Chinese-LLM)

骆驼(Luotuo)项目是由[冷子昂](https://blairleng.github.io) @ 商汤科技, 陈启源 @ 华中师范大学 以及 李鲁鲁 @ 商汤科技 发起的中文大语言模型开源项目，包含了一系列语言模型。

( 注意: [陈启源](https://qiyuan-chen.github.io/) 正在寻找2024推免导师，欢迎联系 )

骆驼项目**不是**商汤科技的官方产品。

## Citation

Please cite the repo if you use the data or code in this repo.

```
@misc{alpaca,
author={Ziang Leng, Qiyuan Chen and Cheng Li},
title = {Luotuo: An Instruction-following Chinese Language model, LoRA tuning on LLaMA},
year = {2023},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/LC1332/Luotuo-Chinese-LLM}},
}
```

原始信息汇总

数据集概述

基本信息

• 名称: MMC4-130k
• 类型: 图文对数据集
• 规模: 约130k样本
• 语言: 英文
• 许可: odc-by

任务类别

• 图像到文本
• 文本到图像

数据集描述

MMC4-130k是从MMC4中抽样得到的，包含相似度较高的图文对。目前正在进行翻译工作，未来将陆续发布更多相关数据集。

未来计划

• 翻译Coco Caption的中文版本
• 翻译CoQA的中文版本
• 发布CNewSum的Embedding数据
• 发布增广的开放QA数据
• 已完成WizardLM的中文翻译

联系方式

对于正在筹备上述数据集的个人或团队，欢迎联系以避免重复工作。