VCoder：为多模态大型语言模型提供视觉编码器的多功能视觉编码器
发布人
打开封面 下载高清视频 观看高清视频 视频下载器
...
RLHF-V: 通过细粒度纠正性人工反馈实现值得信赖的多模态大型语言模型
...
蜜蜜蜂：一种局部增强的多模态大型语言模型投影器
...
SPHINX: 一种多模态大语言模型的联合混合方法
...
多模态大型语言模型Gemini在常识推理中的表现评估
...
Kosmos-G: Generating Images in Context with Multimodal Large Language Models
...
Vary: 大型视觉语言模型视觉词汇扩展新方法
...
LLaVA-Grounding：实现大型多模态模型的基于视觉的聊天
...
基于多模态工具的大型语言模型控制系统ControlLLM
...
大规模语言模型在多模态音乐理解与生成中的应用
...
基于CapsFusion的高质量多模态预训练数据生成
...
智能手机应用操作的多模态智能代理框架
...
多模态基础模型研究综述
...
基于协同学习的可组合视觉语言模型
...
FIND：通用接口实现跨模态任务的高效对齐与交互
...
基于统一视觉语言模型的图像和视频混合学习
...
稳定分数蒸馏：高质量三维生成新方法
...
基于上下文调整的检索增强生成方法
...
利用FP8低位数据格式高效地训练大型语言模型
...
大型语言模型生成内容质量自评估提升选择性生成
...
面向大型语言模型的有约束文本生成方法
...
Densely Captioned Images: 评估视觉语言模型的新基准
...
对比激活添加：精确操控大型语言模型行为的新方法
...
利用Atom低位量化技术提升大型语言模型服务吞吐量
...
【AI Drive】天津大学副教授张长青：多模态融合的基础问题及算法研究
...
分布式大型语言模型的互联网低成本推理与微调
...
大规模语言模型结合神经符号模型的生成型神经符号视觉推理
...
人工智能视觉语言模型对视觉错觉的感知
...
大型语言模型在上下文学习中的可靠性提升：结合监督知识的方法
...
基于潜在变量推断的训练链式思维提升语言模型推理能力
...
多模态模型对齐与强化学习从人类反馈优化
...
生成高质量的长视频：SEINE视频扩散模型
...
基于语言、任务和指标的人工智能模型的一致性分析
...
大型语言模型效率研究综述
...
通用视觉基础模型：多任务学习实现高效零样本迁移
...
HiFi Tuner：基于扩散模型的高保真度个性化图像生成
...
多模态指令图像生成：Instruct-Imagen模型的创新与应用
...
对比解码提升大型语言模型推理能力
...
GridFormer 表结构识别方法
...
大型语言模型 (LLMs) 在应对需要任务规划和使用外部工具的任务时表现出了熟练的能力
...
大型语言模型在代码生成基准测试中表现出良好性能