PulseAugur
中
实时 11:38:29
实体 Unified Large Multimodal Models

Unified Large Multimodal Models

PulseAugur coverage of Unified Large Multimodal Models — every cluster mentioning Unified Large Multimodal Models across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_324413 ·

    Oddin框架实现了多模态模型中的潜在视觉推理

    研究人员推出Oddin，一个旨在增强统一多模态大模型（ULMMs）中潜在视觉推理的新框架。与需要生成中间图像的现有方法不同，Oddin在理解分支中处理紧凑的潜在令牌，仅将生成分支保留用于最终输出。该方法使用具有多个目标的离线自蒸馏进行训练，包括图像生成、文本蒸馏和特殊令牌交叉熵。在七项视觉推理任务上，Oddin的表现优于传统的交错生成基线和闭源视觉语言模型。