一些关于训练格式的疑惑

[huangfu170]

论文当中提到"Notably, both q and c can be images, text, or composed image-text data."，但按照文中提出的数据集，训练的时候不是固定是一张图片+一段文本搜索一张图吗？希望得到您的解惑

[JUNJIE99]

在论文的4.2.2节中，我们也在MMEB训练集上对模型进行了进一步的训练，以验证模型在下游任务微调的能力。MMEB数据集包含多种类型的数据，其中q和c的形式是多样的。在SFT过程中，我们同样采用了3.3节中的损失函数。