Ludwig Schmidt

Essa pesquisa foca em otimizar o treinamento de modelos de linguagem e prever o desempenho deles no mundo real.

Esse estudo foca em melhorar a precisão espacial na geração de imagens a partir de texto.

Um estudo destaca a dependência do CLIP em características espúrias no reconhecimento de imagens.

Incluir dados em outras línguas melhora o desempenho do modelo de visão-linguagem e a compreensão cultural.

Os VLMs têm dificuldade com classificação de imagens, mas uma melhor integração de dados pode melhorar suas capacidades.

Usar modelos de linguagem melhora as previsões para dados tabulares em várias áreas.

MINT-1T é o maior conjunto de dados open-source pra treinar modelos multimodais.

Um guia para melhorar o treinamento de modelos de linguagem com recursos limitados.

Um novo método melhora a qualidade dos dados sintéticos pra alinhar melhor os modelos de linguagem.

xGen-MM melhora modelos multimodais pra um aprendizado melhor de imagens e textos.

O KALE combina imagens com legendas ricas pra facilitar o entendimento.