Zilong Zheng

MathBenchは、さまざまな教育段階でのLLMの数学能力を評価する。

DiveR-CTは、自動化されたレッドチームによる安全性評価を改善する。

新しいアプローチがトランスフォーマーモデルを強化して、長文処理をより良くする。

新しいベンチマークが、ビデオと言語のモデルが不正確さにどう対処するかを評価するよ。

新しい方法がロボットがタスクのために正しく移動して方向を定めるのを助ける。

この方法は、各推論ステップで検証を実施することで視覚的推論を強化する。

メモリートークンを使ったフレームワークが、動画の理解とインタラクションを改善する。