AutoCaption 데이터셋은 Tjunlp Lab에서 2025년에 발표한 비디오 자막 벤치마크 데이터셋입니다. 관련 논문 결과는 다음과 같습니다.몬테카를로 트리 탐색을 통한 비디오 자막에 대한 다중 모달 대규모 언어 모델 평가"는 비디오 자막 생성 분야에서 다중 모드 대규모 언어 모델 연구를 촉진하는 것을 목표로 합니다.

데이터 세트 구조:

데이터 세트에는 총 11,184개의 샘플이 있는 2개의 하위 세트가 포함되어 있습니다.

• sft_data: 자막 모델을 위한 지도 미세 조정(지도 미세 조정 데이터의 경우 9,419개 샘플)
• mcts_vcb: MCTS에서 생성된 캡션과 키포인트를 사용하여 평가됨(MCTS-VCB 벤치마크 평가를 위한 1,765개 샘플)