物理とデジタルを融合する次世代AI『Embodied Web Agents』の挑戦
物理とデジタルを融合する次世代AI『Embodied Web Agen ...
LLM-Paper
マルチモーダル
軽量高性能を実現する汎用蒸留フレームワーク『GenRecal』
軽量高性能を実現する汎用蒸留フレームワーク『GenRecal』
LLM-Paper
ProtoReasoning: 論理と計画で磨く汎用推論能力
ProtoReasoning: 論理と計画で磨く汎用推論能力
LLM-Paper
マルチモーダルLLMの推論性能を革新する混合優先最適化の提案！
マルチモーダルLLMの推論性能を革新する混合優先最適化の提案！
LLM-Paper
UnifiedCrawl：低リソース言語データ収集と効率的LLM適応の新アプローチ
UnifiedCrawl：低リソース言語データ収集と効率的LLM適応の ...
その他
Insight-V：視覚と思考をつなぐマルチモーダル推論の新戦略
Insight-V：視覚と思考をつなぐマルチモーダル推論の新戦略
LLM-Paper
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAUIの可能性
大規模言語モデルが変える音楽教育の未来、Flute X GPTとLAU ...
Large language models
推論過程を書き出すホワイトボードを与えることで、LLMの視覚的推論能力が大きく向上！？
推論過程を書き出すホワイトボードを与えることで、LLMの視覚的推論能力 ...
Prompting Method
【SKETCHPAD】マルチモーダル言語モデルの推論を中間スケッチで強化
【SKETCHPAD】マルチモーダル言語モデルの推論を中間スケッチで強 ...
Large language models
【Plot2Code】マルチモーダルLLMのコード生成をテストするベンチマーク
【Plot2Code】マルチモーダルLLMのコード生成をテストするベン ...
Large language models
Cross-Layer AttentionによってTransformerのメモリを大幅に削減
Cross-Layer AttentionによってTransforme ...
Transformer
GPT-4Vを用いた一般化感情認識（GER）の総合的評価
GPT-4Vを用いた一般化感情認識（GER）の総合的評価
Large language models
【MMSEARCH】画像とテキストを統合したマルチモーダル検索システム
【MMSEARCH】画像とテキストを統合したマルチモーダル検索システム
Large language models
生成モデルと大規模言語モデルによって進化するレコメンドシステムGen-RecSysの体系的な調査
生成モデルと大規模言語モデルによって進化するレコメンドシステムGen- ...
Large language models
【Qwen2-VL】画像や動画を異なる解像度で処理できる最新VLM
【Qwen2-VL】画像や動画を異なる解像度で処理できる最新VLM
Large language models
【NVLM】画像と言語タスクにおいてGPT-4oを上回るマルチモーダルLLM
【NVLM】画像と言語タスクにおいてGPT-4oを上回るマルチモーダル ...
Large language models
AI×職人技で生まれた「恋の味」がするパン
AI×職人技で生まれた「恋の味」がするパン
Human-Computer Interaction
モバイルUI向けマルチモーダル大規模言語モデル「Ferret-UI」
モバイルUI向けマルチモーダル大規模言語モデル「Ferret-UI」
Large language models