Zilong Zheng

MathBench evalúa las habilidades matemáticas de los LLM en diferentes etapas educativas.

DiveR-CT mejora el equipo rojo automatizado para mejores evaluaciones de seguridad.

Un nuevo enfoque mejora los modelos Transformer para procesar mejor textos largos.

Nuevo estándar evalúa cómo los modelos de lenguaje en video manejan las imprecisiones de manera efectiva.

Un nuevo método ayuda a los robots a navegar y orientarse correctamente para las tareas.

Este método mejora el razonamiento visual al implementar verificación en cada paso del razonamiento.

Un marco que usa tokens de memoria mejora la comprensión y la interacción con videos.