utworzone przez Redakcja | maj 9, 2026
Naukowcy opracowali framework PRISM, który łączy modele widzenia i języka poprzez interaktywny dialog, aby poprawić zdolności agentów AI działających w złożonych środowiskach multimodalnych. System pozwala modelom językowym krytykować i zadawać pytania modelom...
utworzone przez Redakcja | kwi 25, 2026
Naukowcy przedstawili MMTR-Bench, nowy benchmark do testowania umiejętności multimodalnych modeli językowych w rekonstruowaniu maskowanego tekstu bezpośrednio z kontekstu wizualnego, bez jawnych instrukcji.
utworzone przez Redakcja | kwi 22, 2026
Badacze opracowali框架 głębokie uczenia do konstruowania modeli akcji z sekwencji obrazów bez obserwacji akcji. System łączy predykcję stanu, predykcję akcji i nadzorowany model akcji z programem programowania liniowego całkowitoliczbowego.
utworzone przez Redakcja | kwi 20, 2026
Naukowcy opracowali GIST – system wykorzystujący modele wizyjno-językowe do nawigacji w skomplikowanych, zatłoczonych przestrzeniach takich jak sklepy i magazyny. System przekształca chmury punktów z urządzeń mobilnych w semantycznie adnotowane topologie...
