MLLM
MLLM в новостной повестке, календарь упоминаний и aналитика в реальном времени.
Календарь упоминаний:
MLLM демонстрирует рост точности на сложных задачах за счет внедрения принципов «медленного мышления»
Исследователи из BAAI, Baichuan AI и других институтов доказали возможность переноса способности к глубокому логическому рассуждению на мультимодальные модели, работающие с изображениями и текстом. MLLM начинает использовать методы, аналогичные текстовым аналогам, разбивая визуальные задачи на шаги и проверяя гипотезы перед выдачей финального результата. Это позволяет системам достигать показателей, недоступных при мгновенной генерации, и эффективно конкурировать с более мощными закрытыми решениями.
Исследование: Система Virgo, обученная на текстовых примерах сложного рассуждения, превзошла модель QVQ на сложных задачах, показав точность 54,7% против 48,6%.
Исследование: Метод CoMCTS от Baidu, применяемый к модели Mulberry, позволил MLLM избежать логических тупиков и увеличить точность на бенчмарке MathVista на 5,7%.
Риск: На простых задачах MLLM, настроенная на длительное рассуждение, может показывать худшие результаты по сравнению с быстрыми аналогами из-за неэффективного распределения ресурсов.
В нашей базе собрано 1 событие по теме «MLLM». Мы показываем все из них.