Ming Yan

TRIPS steigert die Effizienz bei Aufgaben mit Vision und Sprache, indem es relevante Bildausschnitte auswählt.

2025-09-17T20:38:36+00:00 ― 7 min Lesedauer

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

2025-09-17T04:26:54+00:00 ― 7 min Lesedauer

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

2025-09-04T12:02:06+00:00 ― 7 min Lesedauer

Ein neuer Massstab bewertet, wie Rollenspielagenten sozial interagieren.

2025-08-27T12:43:24+00:00 ― 7 min Lesedauer

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

2025-08-27T05:28:54+00:00 ― 6 min Lesedauer

Ein neues Framework verbessert die Effizienz und Genauigkeit beim Lösen komplexer physikalischer Probleme.

2025-08-01T22:06:12+00:00 ― 7 min Lesedauer

MIBench testet die Leistung von multimodalen Modellen auf mehreren Bildern.

2025-07-09T14:23:18+00:00 ― 6 min Lesedauer

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

2025-06-30T17:13:12+00:00 ― 7 min Lesedauer

Eine neue Methode, um Sprachmodelle effektiver zu kombinieren.

2025-06-29T22:23:30+00:00 ― 6 min Lesedauer

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

2025-06-23T15:38:00+00:00 ― 6 min Lesedauer