磐石·科学多模态语料库S1-MMAlign

由中国科学院自动化研究所发布的开源科学多模态语料库,覆盖超1550万高质量图文对、250万篇科研论文,涵盖数学、物理、化学、生物等九大学科。采用图注语义增强策略,图文相似度提升18.21%,已作为磐石科学基础大模型核心训练数据。

工具介绍

由中国科学院自动化研究所发布的开源科学多模态语料库,覆盖超1550万高质量图文对、250万篇科研论文,涵盖数学、物理、化学、生物等九大学科。采用图注语义增强策略,图文相似度提升18.21%,已作为磐石科学基础大模型核心训练数据。

工具类型

数据与算力 数据集

核心功能

011550万图文对
02九大学科覆盖
03图注语义增强
04结构化关联
05开放获取许可
06完全开源

适用行业

人工智能科研、高校教学、大模型训练、科学文献解析、科研自动化

定价信息

完全免费开源,数据通过中科院自动化所官方渠道开放下载

官方网站

https://www.cas.cn

点击上方链接访问官方站点,了解更多产品详情、功能文档与定价方案。