Nano Banana 2.0: The Omni-Subject Dataset

kaggle2026-03-22 更新2026-05-09 收录

多模态AI

跨领域认知建模

数据链接：

https://www.kaggle.com/datasets/ahnuf05/nano-banana-2-0-the-omni-subject-dataset 数据链接链接失效反馈

官方服务：

资源简介：

1067 Ways Gemini Sees the World

1067种视角：Gemini大语言模型眼中的世界

创建时间：

2026-03-22

VL-RewardBench

视觉语言模型

多模态AI

VL-RewardBench是由香港大学、华南理工大学、上海交通大学、北京大学、华盛顿大学和艾伦人工智能研究院联合创建的一个综合视觉语言生成奖励模型基准数据集。该数据集包含1250个高质量样本，涵盖了多模态查询、视觉幻觉检测和复杂推理任务。数据集的创建过程结合了AI辅助的样本选择和人工验证，旨在全面评估和挑战现有的视觉语言模型。VL-RewardBench主要应用于多模态AI系统的对齐和评估，旨在

arXiv2024-11-26 更新2630

EgoThink 第一人称视角下视觉问答基准数据集

视觉问答

多模态AI

EgoThink 是由清华大学提出的一个基于第一人称视角的视觉问答基准数据集。该数据集包含 700 张图像，涵盖了 6 个核心能力，细分为 12 个维度。 EgoThink 的图像来源于 Ego4D 第一人称视频数据集的采样图片，为了确保数据的多样性，每个视频最多只采样 2 张图片。

超神经2024-04-11 更新310

vTikZ

代码定制

多模态AI

vTikZ数据集是一个专门用于评估大型语言模型（LLMs）在代码定制方面能力的基准数据集。该数据集包含100个精心策划的TikZ编辑场景，每个场景都需要对代码进行修改以实现指定的视觉变化。vTikZ数据集由人类创建的TikZ代码变体组成，每个变体都是从一个原始的TikZ代码中衍生出来的，并附有相应的编辑指令。数据集还包括参数化的地面真实情况，以应对多个代码变体可能正确实现给定的视觉修改的问题。此外

arXiv2025-05-07 更新160

REXTIME

视频时间推理

多模态AI

REXTIME数据集由国立台湾大学开发，是一个专注于视频时间推理的基准，特别强调在不同视频片段间进行因果关系理解的能力。该数据集包含2143个精心策划的测试样本，每个样本都经过人工标注以确保准确性和相关性。数据集的创建过程利用了大型语言模型辅助的数据生成管道，显著减少了人工标注的需求。REXTIME主要应用于评估和提升多模态AI模型在视频时间推理方面的能力，特别是在机器人、医疗和法律政策制定等领域

arXiv2024-07-02 更新660

Vl-RewardBench

视觉语言

多模态AI

VLRewardBench是一个综合性的基准测试，旨在评估视觉语言生成奖励模型（VL-GenRMs）在视觉感知、幻觉检测和推理任务中的表现。该基准包含1,250个高质量的示例，专门设计用于探测模型的局限性。每个实例包含多模态查询，涵盖三个关键领域：一般多模态查询、视觉幻觉检测任务和多模态知识与数学推理。数据集的结构包括多个字段，如实例ID、多模态提示的文本查询、图像输入、由模型生成的两个候选响应、

Hugging Face2024-12-08 更新170

Nano Banana 2.0: The Omni-Subject Dataset

资源简介：

相关数据集