Ludwig Schmidt

Questa ricerca si concentra sull'ottimizzazione dell'addestramento dei modelli linguistici e sulla previsione delle loro prestazioni nel mondo reale.

Questo studio si concentra sul miglioramento dell'accuratezza spaziale nella generazione di immagini a partire dal testo.

Uno studio mette in evidenza quanto CLIP si basi su caratteristiche spurie nel riconoscimento delle immagini.

Includere dati non in inglese migliora le prestazioni dei modelli visione-linguaggio e la comprensione culturale.

I VLM faticano con la classificazione delle immagini, ma una migliore integrazione dei dati può migliorare le loro capacità.

Sfruttare i modelli linguistici migliora le previsioni per i dati tabellari in diversi settori.

MINT-1T è il più grande dataset open-source per addestrare modelli multimodali.

Una guida per migliorare l'addestramento dei modelli di linguaggio con risorse limitate.

Un nuovo metodo migliora la qualità dei dati sintetici per un migliore allineamento dei modelli linguistici.

xGen-MM migliora i modelli multimodali per un apprendimento migliore di immagini e testo.

KALE combina immagini con didascalie ricche per una comprensione migliore.