Ming Yan

Un nuovo metodo migliora l'efficienza nei compiti di pre-addestramento Vision-Language.

Un nuovo metodo migliora il rilevamento delle posizioni per modelli di linguaggio più piccoli usando conoscenze esterne.

Un nuovo modello migliora il recupero di segnali sparsi in ambienti rumorosi.

TRIPS migliora l'efficienza nei compiti visione-lingua selezionando le parti di immagine più rilevanti.

Un nuovo approccio che usa sistemi multi-agente per potenziare modelli linguistici più piccoli.

Questo articolo parla di un nuovo framework per valutare le allucinazioni nei LVLM.

Un nuovo benchmark valuta come gli agenti di ruolo interagiscono socialmente.

Un nuovo framework migliora il modo in cui gli agenti linguistici imparano e svolgono compiti.

Un nuovo framework migliora l'efficienza e la precisione nella risoluzione di problemi fisici complessi.

MIBench testa le performance dei modelli multimodali su più immagini.

mPLUG-Owl3 migliora la comprensione delle immagini e dei video per risposte migliori.

Un nuovo metodo per combinare i modelli linguistici in modo più efficace.

MaVEn migliora la capacità dell'AI di elaborare più immagini per un ragionamento migliore.