Ming Yan

Um novo método melhora a eficiência e o desempenho em tarefas de visão-linguagem.

Uma nova abordagem melhora a eficiência em tarefas de pré-treinamento de Visão-Linguagem.

Um novo método melhora a detecção de posição para modelos de linguagem menores usando conhecimento externo.

Um novo modelo melhora a recuperação de sinais esparsos em ambientes barulhentos.

O TRIPS melhora a eficiência em tarefas de visão-linguagem selecionando partes de imagem relevantes.

Uma nova abordagem usando sistemas multiagente pra melhorar modelos de linguagem menores.

Esse artigo fala sobre uma nova estrutura pra avaliar alucinações em LVLMs.

Um novo benchmark avalia como os agentes de RPG interagem socialmente.

Um novo framework melhora como os agentes de linguagem aprendem e realizam tarefas.

Uma nova estrutura melhora a eficiência e a precisão na resolução de problemas físicos complexos.

O MIBench testa o desempenho de modelos multimodais em várias imagens.

mPLUG-Owl3 melhora a compreensão de imagens e vídeos pra dar respostas melhores.

Um novo método pra combinar modelos de linguagem de forma mais eficiente.

MaVEn melhora a capacidade da IA de processar várias imagens pra dar um raciocínio melhor.