مجموعة بيانات RLAIF-V عبارة عن مجموعة بيانات تفضيلية متعددة الوسائط تم إنشاؤها بواسطة الذكاء الاصطناعي وتغطي مجموعة متنوعة من المهام والمجالات. تحتوي مجموعة البيانات على أكثر من 44757 زوجًا عالي الجودة للتدريب وتقييم نماذج اللغة الكبيرة متعددة الوسائط (MLLMs). تستخدم مجموعة بيانات RLAIF-V نهجًا جديدًا لتفكيك استجابات النموذج باستخدام نموذج كبير مفتوح المصدر وتوفر بيانات ردود فعل عالية الجودة لتقليل ظاهرة الهلوسة في MLLMs المختلفة. بالإضافة إلى ذلك، يتم استخدام مجموعة بيانات RLAIF-V أيضًا لتدريب نموذج MiniCPM-Llama3-V 2.5، والذي يمثل أول نموذج MLLM17 من البداية إلى النهاية على مستوى GPT-4V. قام مشروع RLAIF-V بإتاحة الكود والأوزان (7B، 12B) والبيانات مفتوحة المصدر للاستخدام والمزيد من البحث من قبل مجتمع البحث. تتضمن الميزات الرئيسية لمجموعة بيانات RLAIF-V ما يلي:

1. بيانات ردود الفعل عالية الجودة:الحد الفعال من الهلوسة من خلال MLLMs المختلفة المستخدمة في مجموعة البيانات.
2. مفتوح المصدر:مجموعة البيانات مفتوحة المصدر بالكامل، مما يسمح للباحثين بالوصول إليها واستخدامها بحرية.
3. متعدد المهام ومتعدد المجالات:تغطي مجموعة البيانات مجموعة واسعة من المهام والمجالات، وتوفر بيانات تفضيلية متنوعة. إن ترخيص مجموعة بيانات RLAIF-V هو CC BY NC 4.0، والذي يسمح بالاستخدام غير التجاري فقط، ولا ينبغي استخدام النماذج المدربة باستخدام مجموعة البيانات هذه خارج أغراض البحث.

الاستشهاد

@article{yu2023rlhf,
title={Rlhf-v: Towards trustworthy mllms via behavior alignment from fine-grained correctional human feedback},
author={Yu, Tianyu and Yao, Yuan and Zhang, Haoye and He, Taiwen and Han, Yifeng and Cui, Ganqu and Hu, Jinyi and Liu, Zhiyuan and Zheng, Hai-Tao and Sun, Maosong and others},
journal={arXiv preprint arXiv:2312.00849},
year={2023}
}
@article{yu2024rlaifv,
title={RLAIF-V: Open-Source AI Feedback Leads to Super GPT-4V Trustworthiness},
author={Tianyu Yu and Haoye Zhang and Qiming Li and Qixin Xu and Yuan Yao and Da Chen and Xiaoman Lu and Ganqu Cui and Yunkai Dang and Taiwen He and Xiaocheng Feng and Jun Song and Bo Zheng and Zhiyuan Liu and Tat-Seng Chua and Maosong Sun},
journal={arXiv preprint arXiv:2405.17220},
year={2024},
}
@misc{yu2025minicpmv45cookingefficient,
title={MiniCPM-V 4.5: Cooking Efficient MLLMs via Architecture, Data, and Training Recipe},
author={Tianyu Yu and Zefan Wang and Chongyi Wang and Fuwei Huang and Wenshuo Ma and Zhihui He and Tianchi Cai and Weize Chen and Yuxiang Huang and Yuanqian Zhao and Bokai Xu and Junbo Cui and Yingjing Xu and Liqing Ruan and Luoyuan Zhang and Hanyu Liu and Jingkun Tang and Hongyuan Liu and Qining Guo and Wenhao Hu and Bingxiang He and Jie Zhou and Jie Cai and Ji Qi and Zonghao Guo and Chi Chen and Guoyang Zeng and Yuxuan Li and Ganqu Cui and Ning Ding and Xu Han and Yuan Yao and Zhiyuan Liu and Maosong Sun},
year={2025},
eprint={2509.18154},
archivePrefix={arXiv},
primaryClass={cs.LG},
url={https://arxiv.org/abs/2509.18154},
}