实体
Large Multimodal Models (LMMs)
Large Multimodal Models (LMMs)
PulseAugur coverage of Large Multimodal Models (LMMs) — every cluster mentioning Large Multimodal Models (LMMs) across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新基准解决胃肠内窥镜检查AI模型的幻觉问题
研究人员开发了新的基准和数据集，以解决用于胃肠内窥镜检查的视觉语言模型（VLM）中的幻觉问题。一项研究介绍了使用Gut-VLM数据集的基准，对五个VLM的九种幻觉检测方法进行了评估，发现ReXTrust等白盒方法表现明显更好。另一篇论文提出了SAGE数据集，该数据集专门从南亚地区收集，以对抗胃肠内窥镜检查AI中的人口偏见，并评估当前模型在不同数据集上的性能下降情况。
-
ReFine3D框架增强3D视觉语言模型适应性
研究人员开发了ReFine3D，一个用于微调3D视觉语言模型的新框架。该方法解决了在数据有限的情况下将这些模型适应新领域所面临的挑战，防止过拟合和灾难性遗忘。ReFine3D采用选择性层微调，并结合多视图一致性和文本多样性正则化技术。实验表明，ReFine3D在3D领域泛化基准测试中显著提高了泛化能力、迁移能力和少样本准确率。
-
新框架高效选择多模态模型数据
研究人员开发了一个名为 One-Step-Train (OST) 的新框架，用于高效选择高质量的合成数据来训练大型多模态模型 (LMM)。OST 将数据选择重构为一个增量优化效用问题，通过在代理模型上进行模拟的单步更新来估计样本效用。与 LLM-as-a-Judge 等方法相比，这种方法显著降低了训练成本和时间，同时还提高了在基准测试上的性能并缓解了噪声数据的问题。