Xizhou Zhu

Neuer Ansatz verbessert das Lernen aus gemischten Bild-Text-Daten.

Ein umfassender Datensatz, der Bilder und Texte zusammenführt, um maschinelles Lernen zu unterstützen.

Ein neuer Ansatz, um Video-Momente mit natürlichen Sprachabfragen zu finden.

Eine neue Methode verbessert die Denkfähigkeiten in Sprachmodellen durch Präferenzoptimierung.

Entdecke, wie V2PE Vision-Language-Modelle für besseres Verständnis langer Kontexte verbessert.