mesolitica/translate-Multi-modal-Self-instruct

---
dataset_info:
features:
- name: question_id
dtype: string
- name: question
dtype: string
- name: image_path
dtype: string
- name: image
dtype: image
- name: answer
dtype: string
- name: question_ms
dtype: string
- name: answer_ms
dtype: string
splits:
- name: train
num_bytes: 5066164810.5
num_examples: 64796
download_size: 363803712
dataset_size: 5066164810.5
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
language:
- en
- ms
---
# Translated https://huggingface.co/datasets/zwq2018/Multi-modal-Self-instruct

Translate to Malay using https://mesolitica.com/translation Base model, a nice dataset for visual QA charts, tables, simulated maps, dashboards, flowcharts, relation graphs, floor plans, and visual puzzles.

本数据集为多模态自我指令（Multi-modal Self-instruct）数据集，对应源链接：https://huggingface.co/datasets/zwq2018/Multi-modal-Self-instruct。本数据集基于https://mesolitica.com/translation 基础模型完成马来语翻译，是适用于视觉问答（Visual QA）任务的优质数据集，可覆盖图表、表格、模拟地图、仪表板、流程图、关系图、平面图以及视觉谜题等多种视觉模态场景。

## 数据集元信息
### 特征字段
该数据集包含以下7个特征字段：
1. question_id：字符串类型，为每个问题分配的唯一标识符
2. question：字符串类型，原始问题文本（英语）
3. image_path：字符串类型，对应视觉素材的文件存储路径
4. image：图像类型，关联的视觉输入素材
5. answer：字符串类型，对应问题的标准英文答案
6. question_ms：字符串类型，问题的马来语译本
7. answer_ms：字符串类型，答案的马来语译本

### 数据划分
仅包含训练集（train）一个数据拆分：
- 数据占用字节数：5066164810.5
- 样本总数量：64796 条

### 数据体量参数
- 下载总大小：363803712 字节
- 本地存储总大小：5066164810.5 字节

### 配置信息
默认配置（config_name: default）下的数据文件为匹配训练集拆分的`data/train-*`通配符匹配文件。

### 支持语言
英语（en）、马来语（ms）