«язык-изображение») для получения последовательных и длинных подписей. Данные хранятся в формате Lance для проектирования признаков и исследования, затем конвертируются в Mosaic Data Shards (MDS) для распределённого обучения. Изображения кодируются как JPEG с качеством 92, что показало незначительную потерю качества по сравнению с PNG. Текстовые латентные представления вычисляются на лету с помощью Qwen3-VL во время обучения, что приводит лишь к 3–4% снижению пропускной способности. Команда создала пользовательский интерфейс для просмотра набора данных с использованием полнотекстового поиска и поиска по векторной схожести, что позволяет проводить качественную оценку и раннее выявление проблем.