MIT का ChartNet: AI को चार्ट समझने की ट्रेनिंग देने वाला मिलियन-स्केल डेटासेट
IBM
Alibaba/Qwen
Google/DeepMind
OpenAI
Hugging Face
MIT और IBM Research ने ChartNet पेश किया, जो AI को चार्ट समझने की ट्रेनिंग देने के लिए 1.7 मिलियन उदाहरणों का मल्टीमॉडल डेटासेट है। ChartNet पर फाइन-ट्यून किए गए छोटे मॉडल चार्ट समझने के कार्यों में GPT-4o जैसे बड़े मॉडलों से प्रतिस्पर्धा करते हैं या उनसे बेहतर प्रदर्शन करते हैं।
MIT और IBM रिसर्च के शोधकर्ताओं ने चार्ट समझने के लिए ChartNet नामक एक बड़े पैमाने पर मल्टीमॉडल डेटासेट बनाया है। इसमें 150,000 अनूठे चार्ट से उत्पन्न 1.7 मिलियन उदाहरण शामिल हैं, जो पायथन कोड को पुनर्प्राप्त करके और छह लाइब्रेरीज़ (Matplotlib, Seaborn, Plotly, Vega-Altair, Pygal, Plotnine) और 24 चार्ट प्रकारों का उपयोग करके विविध विज़ुअलाइज़ेशन बनाने के लिए ऑगमेंटेशन लागू करके तैयार किए गए हैं। यह डेटासेट कई कार्यों का समर्थन करता है: चार्ट-टू-कोड, चार्ट-टू-टेबल, चार्ट-टू-टेक्स्ट, और चेन-ऑफ-थॉट रीज़निंग के साथ चार्ट प्रश्नोत्तर। गुणवत्ता नियंत्रण में स्वचालित फ़िल्टरिंग (77% कोड निष्पादन सफलता) और 3,157 यादृच्छिक चार्ट का मैन्युअल सत्यापन शामिल है। छोटे VLM (जैसे, Granite-Vision-3.3-2B) को ChartNet पर फाइन-ट्यून करने पर कई बेंचमार्क पर GPT-4o के बराबर या उससे बेहतर परिणाम मिलते हैं। डेटासेट में संवेदनशील विषयों के लिए 7,600 उदाहरणों का एक सुरक्षा उपसमूह भी शामिल है।
स्रोत: Habr — хаб NLP —
मूल