Shunian Chen

Des recherches montrent des biais importants dans les évaluations des réponses par les humains et les LLM.

De nouveaux référentiels révèlent des défis pour les MLLMs dans des tâches du monde réel avec de longs contextes.

LongLLaVA améliore la compréhension de plusieurs images pour différentes applis.

La méthode TRIM réduit les tokens d'image dans les modèles de langage multimodaux tout en maintenant la performance.

Un nouveau cadre identifie quand les modèles multimodaux utilisent des données d'entraînement inappropriées.