此数据集旨在用于测试多模态文本/图像模型。它基于cm4-10k数据集。

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

唯一性拆分确保文本条目之间的唯一性。

重复拆分重复使用相同的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，因此从方程中消除了记录变化。

默认拆分是100.unique。

完整的数据集创建过程记录在cm4-synthetic-testing.py中。