环球热头条丨阿里巴巴研发中文语言数据集 Youku-mPLUG，语料数据来自优酷

(资料图)

品玩 6 月 8 日讯，据 arxiv 上的一篇论文显示，达摩院近日为了推动视觉语言预训练以及多模态大语言模型在中文社区的发展，发布了一款视频语言数据集 Youku-mPLUG。

这个数据集的所有内容均来自优酷，对其中的安全性、多样性和内容质量有着非常严格的标准。据达摩院介绍，Youku-mPLUG 中包含了 45 种不同类型的 1000 万个视频文本，这些视频文本从 4 亿个原始视频中筛选而出，主要用于大规模预训练。

达摩院表示，Youku-mPLUG 可以帮助研发人员在未来进行更深入的多模态研究，开发出更好的应用。