Der AutoCaption-Datensatz ist ein Benchmark-Datensatz für Videountertitel, der 2025 vom Tjunlp Lab veröffentlicht wurde. Die zugehörigen Ergebnisse sind:Evaluierung multimodaler großer Sprachmodelle für Videountertitel mittels Monte-Carlo-Baumsuche“, dessen Ziel darin besteht, die Erforschung multimodaler großer Sprachmodelle im Bereich der Generierung von Videountertiteln zu fördern.

Datensatzstruktur:

Der Datensatz enthält 2 Teilmengen mit insgesamt 11.184 Beispielen:

• sft_data: überwachte Feinabstimmung für Untertitelmodelle (9.419 Beispiele für überwachte Feinabstimmungsdaten)
• mcts_vcb: Ausgewertet mit MCTS-generierten Untertiteln und Schlüsselpunkten (1.765 Beispiele zur Auswertung des MCTS-VCB-Benchmarks)

Zitat

@misc{yu2025evaluatingmultimodallargelanguage, Titel={Bewertung multimodaler großer Sprachmodelle für die Videountertitelung mittels Monte-Carlo-Baumsuche}, Autor={Linhao Yu und Xinguang Ji und Yahui Liu und Fanheng Kong und Chenxi Sun und Jingyuan Zhang und Hongzhi Zhang und VW und Fuzheng Zhang und Deyi Xiong}, Jahr={2025}, eprint={2506.11155}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2506.11155}, }