Ming Yan

Un nuevo método mejora la detección de postura para modelos de lenguaje más pequeños usando conocimiento externo.

Un nuevo modelo mejora la recuperación de señales dispersas en entornos ruidosos.

TRIPS mejora la eficiencia en tareas de visión-lenguaje al seleccionar parches de imagen relevantes.

Un nuevo enfoque usando sistemas multiagente para mejorar modelos de lenguaje más pequeños.

Este artículo habla sobre un nuevo marco para evaluar las alucinaciones en los LVLMs.

Un nuevo benchmark evalúa cómo los agentes de juego de roles interactúan socialmente.

Un nuevo marco mejora cómo los agentes de lenguaje aprenden y realizan tareas.

Un nuevo marco mejora la eficiencia y precisión al resolver problemas físicos complejos.

MIBench prueba el rendimiento de modelos multimodales en varias imágenes.

mPLUG-Owl3 mejora la comprensión de imágenes y videos para dar mejores respuestas.

Un nuevo método para combinar modelos de lenguaje de manera más efectiva.

MaVEn mejora la capacidad de la IA para procesar múltiples imágenes y razonar mejor.