DatasetLoom：专为多模态大模型训练打造的智能数据集构建与评估平台

• 支持图文问答（VQA）、图像描述、监督微调（SFT）、偏好对齐（DPO）等多种训练任务
• 集成模型自动评分、多模型对比（GPT-4V、LLaVA、CLIP 等），实现训练效果高效评估
• 文档解析涵盖 PDF、Word、Markdown、TXT，支持知识抽取与分块处理
• 图像区域标注与多模态问答生成，助力丰富训练样本构建
• 用户权限管理细化，支持管理员、协作者、访客角色分配，满足团队协作需求
• 数据持久化与版本管理，保证训练语料安全稳定，支持导出 JSON、CSV、HuggingFace Dataset 格式
• 基于 Redis 的工作流引擎（Beta），实现复杂任务自动调度与流程管理
• 采用 TypeScript + Next.js 15 + Tailwind CSS + Prisma ORM 技术栈，兼容多种 SQL 数据库（SQLite、MySQL、PostgreSQL、SQL Server）灵活部署

DatasetLoom通过模块化设计和统一数据结构，打通从原始数据到结构化训练集的全链路，助力多模态大模型训练的效率与质量提升。其强大的评估与多模型对比功能，推动训练流程的科学决策，适合科研、教育及行业垂直领域长期项目积累和优化。