Ludwig Schmidt

Los VLMs tienen problemas con la clasificación de imágenes, pero una mejor integración de datos puede mejorar sus capacidades.

Aprovechar los modelos de lenguaje mejora las predicciones para datos tabulares en varios campos.

MINT-1T es el conjunto de datos de código abierto más grande para entrenar modelos multimodales.

Una guía para mejorar el entrenamiento de modelos de lenguaje con recursos limitados.

Un nuevo método mejora la calidad de los datos sintéticos para una mejor alineación del modelo de lenguaje.

xGen-MM mejora los modelos multimodales para un mejor aprendizaje de imágenes y texto.

KALE combina imágenes con descripciones detalladas para una mejor comprensión.