这个数据集旨在用于测试多模态文本/图像模型。它是从cm4-10k数据集派生而来。

当前的拆分为：['100.unique'，'100.repeat'，'300.unique'，'300.repeat'，'1k.unique'，'1k.repeat'，'10k.unique'，'10k.repeat']。

'unique' 确保文本条目之间的唯一性。

'repeat' 是重复使用相同的10个唯一记录：- 这对于内存泄漏调试非常有用，因为记录始终相同，从而消除了记录变化对方程的影响。

默认拆分是 '100.unique'。

创建该数据集的完整过程记录在 cm4-synthetic-testing.py 中。