TiC-DataComp 是由 Apple 于 2024 年发布的一个面向视觉语言模型的时间持续学习（Time-Continual Learning, TiC）基准测试的数据集，相关论文成果为「TiC-CLIP: Continual Training of CLIP Models」，旨在解决基础模型持续更新成本高昂的问题，提供大规模时间序列数据以评估和提升模型的时间鲁棒性。

该数据集包含超过 127 亿个带时间戳的图像-文本对，时间跨度为 2014 年至 2022 年，源自 CommonCrawl 数据源。 研究者可以利用该数据集设计和评估大规模图像-文本模型的时间持续学习方法，通过动态评估测量现有模型的时间鲁棒性，并验证基于重放的训练策略在减少计算资源消耗方面的有效性。

数据集组成

数据集主要包含以下结构，用于不同时间粒度的训练与评估：

• 月度训练数据：tic-datacomp_training_monthly/.npy，包含每个月份对应的唯一标识符（UID）列表。
• 年度训练数据：tic-datacomp_training_yearly_noeval/.npy，包含移除年度评估集后各年份的 UID 列表。
• 检索评估数据：tic-datacomp_retrieval_evals_year2uids，包含 TiC-DataComp-Retrieval 评估任务中各年份的 UID。
• Net 评估数据：tic-datacompnet_year2uids，包含 TiC-DataCompNet 评估任务中各年份的 UID。

Citation

@inproceedings{garg2024tic,
  title={TiC-CLIP: Continual Training of CLIP Models},
  author={Garg, Saurabh and Farajtabar, Mehrdad and Pouransari, Hadi and Vemulapalli, Raviteja and Mehta, Sachin and Tuzel, Oncel and Shankar, Vaishaal and Faghri, Fartash},
  booktitle={The Twelfth International Conference on Learning Representations (ICLR)},
  year={2024},
  url={https://openreview.net/forum?id=TLADT8Wrhn}
}