Llama Nemotron VLM v1 是由英伟达于 2025 年发布用于 VLM 后训练的高质量图文数据集，用于支持英伟达发布的 Llama-3.1-Nemotron-Nano-VL-8B-V1 文档理解模型（支持文档问答、图表问答、 AI2D 等场景）。

该数据集整体规模 为 21 个子集，包含 2,863,854 条样本。数据覆盖 VQA（视觉问答）、 Captioning（图像描述）和 OCR（文本识别）三大类别，包含重新标注的公开图像数据集、全/半合成的 OCR 数据（中/英文，字符/词/页面级）以及内部标注的 OCR 集，并对原始 QA（问答）或描述进行了细化与增强，适用于智能体、聊天助手、 RAG 等应用的多模态训练与评测。

数据包含：

• VQA（视觉问答）：1,917,755 条样本

• Captioning（图像描述）：131,718 条样本

• OCR（文本识别）：814,381 条样本