Shunian Chen

LongLLaVAは、さまざまなアプリケーション向けにマルチイメージ理解を向上させる。

TRIMメソッドは、マルチモーダル言語モデルで画像トークンを減らしつつ、性能を維持するんだ。

新しいフレームワークが、マルチモーダルモデルが不適切なトレーニングデータを使っているときに識別することを可能にする。