ConstructionSite 是由英属哥伦比亚大学和哥伦比亚大学于 2025 年发布的一个面向建筑工地场景的多模态基准数据集，相关论文成果为「Are Large Pre-trained Vision Language Models Effective Construction Safety Inspectors?」，旨在评估与提升视觉 – 语言模型在施工安全环境下的图像理解与推理能力。

该数据集共包含 10,013 张建筑工地图像，分为训练集 7,009 张和测试集 3,004 张。每条数据包括图像、图像描述、安全规则违规问答、违规对象的边界框标注、目标检测任务中的特定类别（如挖掘机、钢筋、佩戴白色安全帽的工人），以及光照、相机距离、视角和信息质量等图像属性。该数据集具有场景复杂、标注多样、贴近实际施工安全检查的特点，适用于图像描述、视觉问答、目标检测、视觉定位和多模态推理等任务。