Ji Zhang

Ein neuer Ansatz verbessert die Aufgabenleistung in Vision-Sprachmodellen.

Ein neuer Ansatz, der Multi-Agenten-Systeme nutzt, um kleinere Sprachmodelle zu verbessern.

Dieser Artikel behandelt einen neuen Rahmen zur Bewertung von Halluzinationen in LVLMs.

Ein neuer Massstab bewertet, wie Rollenspielagenten sozial interagieren.

Ein neues Framework verbessert, wie Sprachagenten lernen und Aufgaben erledigen.

MIBench testet die Leistung von multimodalen Modellen auf mehreren Bildern.

mPLUG-Owl3 verbessert das Verständnis von Bildern und Videos für bessere Antworten.

Eine neue Methode, um Sprachmodelle effektiver zu kombinieren.

Neue Modellierungstechniken verbessern unser Verständnis über die Bewegung von Bakterien.

MaVEn verbessert die Fähigkeit von KI, mehrere Bilder für besseres Denken zu verarbeiten.

Ein neues Framework will die Bildgenerierung mit Hilfe von menschlichem Feedback verbessern.

Ein Blick darauf, wie soziale Medien kollektive Meinungen formen.

Entdecke, wie Skip-Tuning die Effizienz von Vision-Language-Modellen verbessert.