PRX Teil 4: Unsere Datenstrategie – Aufbau eines vielfältigen Pre-Training-Korpus

Das PRX-Team von Photoroom erläutert ihre Datenstrategie: Zusammenstellung eines vielfältigen Pre-Training-Datensatzes aus öffentlichen und internen Quellen, erneute Beschriftung aller Bilder mit einem VLM, Speicherung der Daten in Lance zur Kuratierung und in MDS zum Streamen. Sie legen Wert auf Breite statt Ästhetik, verwenden JPEG mit Qualität 92 und berechnen Text-Latents on the fly mit Qwen3-VL.

Photoroom

Überblick · letzte 24h