ChartNet dari MIT: Mengajarkan AI Memahami Grafik dengan Dataset Berskala Juta
IBM
Alibaba/Qwen
Google/DeepMind
OpenAI
Hugging Face
MIT dan IBM Research memperkenalkan ChartNet, sebuah dataset multimodal dengan 1,7 juta contoh untuk melatih AI memahami grafik. Model kecil yang disempurnakan pada ChartNet mampu bersaing atau melampaui model besar seperti GPT-4o dalam tugas pemahaman grafik.
Peneliti dari MIT dan IBM Research menciptakan ChartNet, sebuah dataset multimodal berskala besar untuk pemahaman grafik. Dataset ini berisi 1,7 juta contoh yang dihasilkan dari 150.000 grafik unik dengan memulihkan kode Python dan menerapkan augmentasi untuk menciptakan visualisasi yang beragam menggunakan enam pustaka (Matplotlib, Seaborn, Plotly, Vega-Altair, Pygal, Plotnine) serta 24 jenis grafik. Dataset ini mendukung beberapa tugas: grafik-ke-kode, grafik-ke-tabel, grafik-ke-teks, dan tanya jawab grafik dengan penalaran rantai pemikiran. Pengendalian kualitas meliputi penyaringan otomatis (77% keberhasilan eksekusi kode) dan verifikasi manual terhadap 3.157 grafik acak. Penyetelan halus model bahasa-visual kecil (VLMs, misalnya Granite-Vision-3.3-2B) pada ChartNet menghasilkan hasil yang kompetitif atau melebihi GPT-4o pada beberapa tolok ukur. Dataset ini juga menyertakan subset keamanan sebanyak 7.600 contoh untuk topik sensitif.
Sumber: Habr — хаб NLP —
asli