MM-INF

ICCV2025 | One image is all you need，多模态指令数据合成，你只管给图，剩下的交给Oasis

近年来，多模态指令数据合成方法多依赖人工设计复杂的合成提示词（prompt），耗费大量人力与时间成本。在文本数据合成领域，MAGPIE [1] 是一个非常成功的合成方法，该方法无需用户提供任何 prompt，仅以 |im_start| 这类特殊 token 作为模型输入，即可完成数据合成。受启发于 MAGPIE，本文中来自同济大学、字节跳动和爱丁堡大学的研究者提出了一种新型多模态指令数据合成方法，只需用户提供图片（即，VLM 中常用的特殊 token image），Oasis 会自动完成指令合成、质量控制和回复生成，产出高质量的数据。

7/18/2025 11:32:00 AM

机器之心

资讯热榜

DeepSeek-OCR：OCR 的新突破 Soul App开源播客语音合成模型，可流畅自然多轮语音对话，支持川粤豫等多方言与副语言风格最具争议性研究：大模型中间层输出可 100% 反推原始输入微软与OpenAI重塑联盟：2500亿美元Azure订单背后，OpenAI获“云自由”！奥特曼回应一切：重组后仍需微软支持，不相信OpenAI的欢迎做空 OpenAI推出两款全新的开源安全推理模型 Cursor发布首个编程大模型！代码生成250tokens/秒，强化学习+MoE架构如何理解：高效的异构算力调度是业界目前面临的一大难题？

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画大模型机器人数据 Midjourney 开源 Meta 微软智能 AI新词用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果腾讯 Claude Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人研究 AI视频大语言模型生成具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计 AGI 大型语言模型搜索视频生成场景深度学习架构生成式AI DeepMind 编程视觉 Transformer 预测 AI模型 MCP 伟达亚马逊