Ludwig Schmidt

Diese Forschung konzentriert sich darauf, das Training von Sprachmodellen zu optimieren und deren Leistung in der realen Welt vorherzusagen.

Diese Studie konzentriert sich darauf, die räumliche Genauigkeit bei der Text-zu-Bild-Generierung zu verbessern.

Eine Studie hebt hervor, dass CLIP sich bei der Bilderkennung auf scheinbare Merkmale verlässt.

Das Einbeziehen von nicht-englischen Daten verbessert die Leistung von Vision-Language-Modellen und das kulturelle Verständnis.

VLMs haben Schwierigkeiten mit der Bildklassifizierung, aber eine bessere Datenintegration kann ihre Fähigkeiten verbessern.

Die Nutzung von Sprachmodellen verbessert die Vorhersagen für tabellarische Daten in verschiedenen Bereichen.

MINT-1T ist der grösste Open-Source-Datensatz zum Trainieren von multimodalen Modellen.

Ein Leitfaden zur Verbesserung des Trainings von Sprachmodellen mit begrenzten Ressourcen.

Eine neue Methode verbessert die Qualität synthetischer Daten für eine bessere Ausrichtung von Sprachmodellen.

xGen-MM verbessert multimodale Modelle für ein besseres Lernen von Bildern und Texten.

KALE kombiniert Bilder mit reichhaltigen Beschreibungen für ein besseres Verständnis.