近年来，随着大模型技能的加速发展，人工智能的底层技能架构持续迭代。在AI发展的初期，人们更多地聚焦于模型算法的创新与优化，然而，随着技能的不断成熟，数据的质量和管理情形逐渐成为决定AI性能的关键成分。据中科院声学所的张博士研究指出，在实际工程运用中，AI系统落地效果的好坏，仅有20%取决于算法本身，而别的80%则依赖于数据的质量。
对付多模态大模型的演习而言，其对数据的海量需求与网络数据资源的有限性之间的抵牾日益凸显。如何在有限打算资源下，借助已有的大模型技能，高效高质地合成演习数据，成为了家当界和学术界共同面临的寻衅。在此背景下，“天池Better Synth-多模态大模型数据合成寻衅赛”应运而生，作为Data-Juicer for LLMs系列赛的第四场比赛，旨在汇聚各方聪慧，探索数据合成的新方法与新策略，共同推动多模态大模型技能的创新发展。
本次大赛周期2个月，采取线上初赛与线下决赛相结合的“赛训一体”模式。晋级军队不仅有机会与来自阿里巴巴通义实验室、NVIDIA等顶尖团队的技能专家面对面互换学习，还能在主理方统一供应的设备上进行研发与调试，确保比赛的公正性与高效性。
大赛统一利用阿里巴巴通义实验室一站式大模型数据处理系统Data-Juicer，该系统可为参赛者供应了系统化、可复用的数据处理与天生工具，极大地提高了数据合成的效率与质量。同时，NVIDIA发布的综合性模型优化库TensorRT-Model-Optimizer等工具和FP8演习框架的加入，更是让模型演习和推理过程为虎傅翼。
自2024年8月启动以来，大赛共吸引来自清华大学、北京大学、复旦大学、度小满等海内顶尖高校、科研机构和企业的1066支军队参赛。个中既有人工智能干系专业的专科团队，也有深耕技能的行业老兵。经由层层筛选，终极有10支军队脱颖而出，决斗AI之巅。
比赛中也呈现出诸多创新方案。例如VLM队针比拟赛基模特点，利用了SSIM来衡量合成数据的学习难易程度，能够使模型在小数据量下学习更好；而dxm小分队则利用了最前沿的Image Textualization技能来考试测验从合成数据中改写并肃清图文内容不对齐的幻觉，进一步提升模型的模态间对齐能力。
“天池Better Synth-多模态大模型数据合成寻衅赛”正式收官，为参赛选手带来了宝贵的实战履历和互换机会，也为多元聪慧的碰撞供应了平台，呈现出了更多数据合成的“解题思路”。随着技能不断发展，期待各方进一步构建“数据驱动的人工智能”的新高地，引发科研生态、助力家当落地，引领多模态大模型的创新发展。