Moon Ye-Bin

新しい方法が言語モデルを使って視覚データの表現を強化するんだ。

新しい方法が合成データサンプルを生成することでモデルの公平性を向上させる。

新しいベンチマークが視覚と言語モデルのハルシネーションに光を当ててる。

この記事では、VLMが画像の色、形、意味をどのように認識するかを調査しているよ。