Shengbang Tong

Une méthode pour détecter les défaillances systémiques dans les modèles multimodaux avant leur utilisation dans le monde réel.

La recherche met en avant l'oubli catastrophique dans les modèles de langage multimodaux après le fine-tuning.

Cette étude examine les problèmes dans les modèles qui répondent aux questions visuelles.

Découvrez comment VPIT aide les machines à apprendre à lier le texte et les visuels de manière fluide.