格灵深瞳推「丹青」亿级数据集，刷新中文多模态预训练基准

格灵深瞳正式发布名为「丹青」的大规模中文视觉语言预训练数据集。该数据集包含1亿组精选图文配对，基于2024至2025年网络数据构建，具备高时效性与高质量特性。实验显示，基于该数据集训练的模型在零样本分类、跨模态检索及LMM评测中表现显著优于现有基准，有效缓解了中文多模态领域高质量训练数据匮乏的难题，为行业提供了全新基准。