大规模通用视觉模型应用的自动化模型扩展算法测试实验支撑数据

大规模通用视觉模型应用的自动化模型扩展算法测试实验支撑数据”主要面向大规模通用视觉模型的高效适配、性能评估与自动化扩展研究需求建设。本数据集基于GPU服务器集群训练、特定数据集上的自动化模型结构搜索部署，以及GenEval标准评测脚本等环境与方法产生，数据采集时间跨度为2024年10月至2025年6月。 该数据集主要记录了四个核心模块的观测与实验值：一是自动化模型扩展算法LM-Searcher的完整权重检查点、分词器及推理配置信息；二是该算法在NAS-Bench-201数据集（ImageNet任务）中测试保留的搜索轨迹日志与模型性能排名验证数据；三是在ISIC-2017医学图像数据集上搜索并进一步训练得到的最终模型权重检查点及训练日志；四是自动化扩展DiT模型在GenEval数据集上基于标准提示词生成的原始图像数据，以及包含CLIP特征相似度、单/双目标、颜色、位置等多维度的详细分数计算结果。 本数据集内容详实、任务覆盖面广，为视觉大模型在多样化下游任务中的自动化结构扩展、生成质量评估与优化研究提供了完整的底层实验支撑与原始验证依据，整体数据量17.9GB。