Xiaofeng Zhang

この研究は、画像とテキストが推論作業でどうやって相互作用するかを明らかにしてる。

DOPRAを紹介するよ、MLLMの精度を向上させるコスト効率のいい方法だよ。

エンハンスドアテンションヘッドを使ってAIのエラーを最小限に抑える実践的アプローチ。

新しい方法でAIが画像とテキストを一緒に処理するのがさらに良くなったよ。