Ming Yan

新しいアプローチが視覚と言語の事前学習タスクの効率を向上させる。

新しい方法が外部知識を使って小さい言語モデルのスタンス検出を強化する。

新しいモデルが騒がしい環境でスパース信号の回復を改善したよ。

TRIPSは、関連する画像パッチを選ぶことで、視覚と言語のタスクの効率を高めるよ。

小規模な言語モデルを強化するためのマルチエージェントシステムを使った新しいアプローチ。

この記事では、LVLMの幻覚を評価するための新しいフレームワークについて話してるよ。

新しいベンチマークが、ロールプレイエージェントの社会的な相互作用を評価する。

新しいフレームワークが言語エージェントの学習とタスクの実行を改善する。

新しいフレームワークが複雑な物理問題を解く効率と精度を改善する。

MIBenchは、マルチモーダルモデルの複数の画像に対するパフォーマンスをテストするよ。

mPLUG-Owl3は画像や動画の理解を向上させて、より良い応答を提供します。

言語モデルをもっと効果的に組み合わせる新しい方法。

MaVEnは、AIが複数の画像を処理してより良い推論をする能力を高める。