Xudong Lin

Diese Methode hebt Zustandsänderungen hervor, um die Aufgabenplanung in Videos zu verbessern.

Ein neuer Benchmark zeigt Lücken im visuellen Verständnis von grossen Sprachmodellen.

Langzeit-Kontext-Sprachmodelle machen komplexe Aufgaben einfacher und verbessern die Interaktion mit KI.

Diese Studie bewertet, wie gut LLMs narrative Tropen in Filmbeschreibungen verstehen.