Kaijie Zhu

新しい方法は、モデルの堅牢性とトリッキーな入力に対する一般化をバランスさせる。

大規模言語モデルを効果的に評価する新しいアプローチを紹介するよ。

NPHardEval4Vは、マルチモーダルな大規模言語モデルの推論能力を評価する。

この研究は、LLMが抽象的なシナリオと文脈的なシナリオでの推論をどう処理するかを調べてるよ。

学術的なピアレビューの問題点や改善の可能性を考察する。