Ludwig Schmidt

Cette recherche se concentre sur l'optimisation de l'entraînement des modèles de langage et la prédiction de leur performance dans le monde réel.

Cette étude se concentre sur l'amélioration de la précision spatiale dans la génération d'images à partir de texte.

Une étude souligne la dépendance de CLIP à des caractéristiques trompeuses dans la reconnaissance d'images.

Inclure des données non anglophones améliore la performance des modèles vision-langage et la compréhension culturelle.

Les VLMs galèrent avec la classification d'images, mais une meilleure intégration des données peut améliorer leurs capacités.

Utiliser des modèles de langage améliore les prédictions pour les données tabulaires dans différents domaines.

MINT-1T est le plus gros dataset open-source pour entraîner des modèles multimodaux.

Un guide pour améliorer l'entraînement des modèles de langue avec des ressources limitées.

Une nouvelle méthode améliore la qualité des données synthétiques pour un meilleur alignement des modèles de langage.

xGen-MM améliore les modèles multimodaux pour un meilleur apprentissage des images et du texte.

KALE combine des images avec des légendes détaillées pour une meilleure compréhension.