Weihan Wang

長い動画コンテンツの理解を向上させるために作られたベンチマーク。

VisScienceは、テキストと画像を使って科学的推論に関する大きなモデルをテストしてるよ。

新しいモデルは、テキストと一緒にビジュアルコンテキストを取り入れることで、数学の問題解決を改善してるよ。