格灵深瞳正式推出超大规模中文视觉-语言预训练数据集“丹青”（DanQing），涵盖1亿条高质量图文匹配样本，数据采集时间覆盖2024至2025年全网公开资源。该数据集引入更为精细的数据清洗与质量评估机制，实验结果显示：依托SigLIP2模型开展的基准测试表明，“丹青”在零样本图像分类、跨模态图文检索以及大型多模态模型综合能力评估等多项关键任务中均展现出卓越性能。据项目团队介绍，其构建了一套融合BERTopic算法的主题建模pipeline。具体而言，研究人员从全量数据中随机采样1000万组图像-...
格灵深瞳正式推出超大规模中文视觉-语言预训练数据集“丹青”（danqing），涵盖1亿条高质量图文匹配样本，数据采集时间覆盖2025至2025年全网公开资源。该数据集引入更为精细的数据清洗与质量评估机制，实验结果显示：依托siglip2模型开展的基准测试表明，“丹青”在零样本图像分类、跨模
态图文检索以及大型多模态模型综合能力评估等多项关键任务中均展现出卓越性能。
据项目团队介绍，其构建了一套融合BERTopic算法的主题建模 pipeline。具体而言，研究人员从全量数据中随机采样1000万组图像-文本对，并采用Chinese-CLIP-L/14模型提取文本侧语义嵌入向量；针对高维空间聚类易受噪声干扰的问题，团队先利用UMAP进行非线性降维，再通过HDBSCAN算法识别语义密集簇，设定最小簇规模为1000以增强聚类鲁棒性并抑制离群噪声；最终，基于各主题内部词频分布，采用类别加权TF-IDF策略提取最具代表性的关键词集合。
“丹青”数据集官方网站：https://www./link/d63a68a590c7ccfcd1c00f5e229b5a6e
相关推荐：
SEO优化原则：提升网站排名的必备指南
使用英语作文自动生成器，让写作变得轻松高效！,ai写作商业应用案例
SEO优化工具：提升网站排名的强力助手
文章AI生成标题：让创作更轻松，内容更精彩
AI写作免费，一键生成轻松搞定！
AI内容生成：颠覆创作方式，开创数字时代新篇章
SEO在线服务-让您的网站快速跃升至搜索引擎前列,江西小红书营销推广案例
体验ChatGPT4.0网页版免登录，随时随地与AI畅聊！,ai写作文的特点和作用
2020年手机游戏赚钱排行榜NO.1玩问道赚钱！
文章创作AI：引领智能写作的新时代
撰写文章AI：释放写作潜能，创造无尽可能
怎么让AI润色文章，让写作更轻松？
如何通过SEO优化提升短|视频|网页入口流量，助力品牌突破网络营销瓶颈,ai 名片教程
ChatGPT异常了：人工智能的极限与突破,AI工程师走火入魔
SEOLogo设计：打造品牌形象的强大武器
释放智慧潜能，AI助手OpenAI助你跨越未来,电影Ai男主
软件根据文字生成|视频|创新科技，让创作更简单,前端ai出路
SEO就是：让你的品牌脱颖而出，获得更多曝光与流量,梅岭关键词排名优化
SEO优化的好处：提升品牌曝光，赢得更多客户
文本缩写软件：提高工作效率的必备工具,ai安装包下载32位
SEO优化有用吗？网站流量提升的秘密
AI写作在线生成器：为内容创作者打开创作新天地
AI写作生成是重复的吗？人工智能内容创作的未来潜力
GPT操作系统里有什么效果？揭秘AI操作系统的未来潜力,ai写作是临时写作吗
开发App的5个基本步骤
AI智能工具的无限可能：未来已来，你准备好了吗？
ChatGPT当前不可用？如何应对AI服务中断的挑战,模特ai古装
WordPress批量导入文章详细教程轻松高效地管理你的内容库,ai落地技术
AI写作，每个人生成的一样吗？
SEO但是，这些常见误区你真的知道吗？,凤岗网站建设开发
