Shunian Chen

Forschung zeigt, dass es erhebliche Vorurteile bei der Bewertung von Antworten durch Menschen und LLMs gibt.

Neue Benchmarks zeigen Herausforderungen für MLLMs bei realen Aufgaben mit langen Kontexten.

LongLLaVA verbessert das Verständnis von mehreren Bildern für verschiedene Anwendungen.

Die TRIM-Methode reduziert Bildtokens in multimodalen Sprachmodellen, während die Leistung erhalten bleibt.

Ein neues Framework erkennt, wann multimodale Modelle ungeeignete Trainingsdaten verwenden.