Nuevos benchmarks revelan desafíos para los MLLMs en tareas del mundo real con contextos largos.
― 9 minilectura
Dingjie Song
LongLLaVA mejora la comprensión de múltiples imágenes para varias aplicaciones.
― 6 minilectura
El método TRIM reduce los tokens de imagen en modelos de lenguaje multimodal sin perder rendimiento.
― 6 minilectura
Un nuevo marco identifica cuándo los modelos multimodales usan datos de entrenamiento inapropiados.
― 6 minilectura