PRX 系列第四篇：Photoroom 详解 PRX 预训练数据策略

Photoroom 发布 PRX 系列第四篇博客，详解 PRX 图像生成模型的预训练数据策略。核心流程是混合公开与内部数据集，用 VLM 重新生成长描述性字幕，再转为 MDS 格式用于训练。文中对比了 Qwen3-VL-8B 等字幕生成模型，并分享了 JPEG 存储、Lance 数据探索、去重与过滤等工程经验。