依據以下兩篇論文整理的 SFT 訓練資料，兩者取聯集；兩者重疊的資料集一律採用 Video-XL-Pro 版本的標註。 標註只收錄兩個官方 repo（MINT-SJTU/Video-XL-Pro-Training、sy1998/VideoXLTraining）中有的檔案，且只保留標註實際引用到的媒體。論文或 repo 中沒有的資料集都已移除。Video-XL 的 pretraining 資料（LAION-2M 子集）因品質不佳不收錄。 訓練時把 image folder / video folder 設為 media/ 即可。所有標註路徑都已用 tools/verifypaths.py 驗證過，缺檔數為 0。 - activitynetqa15k.json 改指向 LLaVA178k/ActivityNet-QA/...（與 LLaVA-Video-178K 為同一批影片）。 - finevideo43k.json：移除原始檔中 35 筆 conversations 為空的樣本（43,751 → 43,716）。 - vcg107k.json：359 部影片實際為.mkv /.webm，路徑副檔名已改成實際檔名（影響 6,122 筆樣本）。 - FineVideo、ScienceQA 的原始檔名被作者改成 uuid：FineVideo 用 QA 內容完整比對對回原影片；ScienceQA 用題目、答案文字加上 uuid1 時間順序對回原圖（順序為 test → train → validation，對齊無歧義）。對應方式見 tools/finevideomap.py。…