Ming Yan

Une nouvelle approche améliore l'efficacité des tâches de pré-entraînement Vision-Langue.

Une nouvelle méthode améliore la détection de stance pour les petits modèles de langue en utilisant des connaissances externes.

Un nouveau modèle améliore la récupération de signaux rares dans des environnements bruyants.

TRIPS améliore l'efficacité des tâches vision-langage en sélectionnant les morceaux d'images pertinents.

Une nouvelle approche utilisant des systèmes multi-agents pour améliorer les petits modèles de langage.

Cet article parle d'un nouveau cadre pour évaluer les hallucinassions dans les LVLMs.

Un nouveau critère évalue comment les agents de jeu de rôle interagissent socialement.

Un nouveau cadre améliore la façon dont les agents linguistiques apprennent et accomplissent des tâches.

Un nouveau cadre améliore l'efficacité et la précision dans la résolution de problèmes physiques complexes.

MIBench teste la performance des modèles multimodaux sur plusieurs images.

mPLUG-Owl3 améliore la compréhension des images et des vidéos pour des réponses plus efficaces.

Une nouvelle méthode pour combiner les modèles de langage de manière plus efficace.

MaVEn améliore la capacité de l'IA à traiter plusieurs images pour un meilleur raisonnement.