基于优化算法的视觉-语言模型图文对精准评测数据构建方法

本发明涉及一种基于优化算法的视觉‑语言模型图文对精准评测数据构建方法，该方法首先通过公开数据集筛选、实时设备采集或深度生成的方式，构建原始图片集合，依托预训练视觉‑语言模型反向生成初始提示词；结合构建的提示词模板，利用大语言模型对初始提示词进行优化，生成与图片高度匹配的提示词；随后，通过多维度评估函数对图文对数据进行优化处理，并对优化后的数据集进行人工校验，剔除低质量或重复的图文对，最终构建高质量的视觉‑语言模型评测数据集。本发明采用优化算法迭代提升图文对数据的匹配度和多样性，显著提高了评测数据的精准性和覆盖范围，可广泛应用于图像生成、视觉问答、跨模态检索等任务的模型性能评测。