阿里巴巴研发中文语言数据集 Youku-mPLUG，语料数据来自优酷 兴趣认证

6月8日讯，据 arxiv上的一篇论文显示，达摩院近来为了推进视觉言语预练习以及多模态大言语模型在中文社区的发展，发布了一款视频言语数据集 Youku-mPLUG。

这个数据集的一切内容均来自优酷，对其间的安全性、多样性和内容质量有着非常严厉的标准。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，首要用于大规模预练习。

达摩院表示，Youku-mPLUG可以帮助研制人员在未来进行更深入的多模态研究，开宣布更好的应用。