Jinguo Zhu

新しいアプローチで、交互に配置された画像とテキストデータからの学習が改善される。

新しい方法が、選好最適化を使って言語モデルの推論スキルを向上させる。

V2PEがどのようにビジョン-言語モデルを改善して、長いコンテキストの理解を向上させるかを発見しよう。