Nghiên cứu phát hiện các mô hình ngôn ngữ-thị giác đạt đến mức trần ở cấp độ mô hình trong khả năng chuyển thể trong vài cảnh quay
Một nghiên cứu arXiv mới báo cáo rằng việc điều chỉnh sự pha trộn giữa nguyên mẫu văn bản và hình ảnh không phải là giới hạn chính đối với độ chính xác của mô hình ngôn ngữ thị giác trong vài lần chụp. Trong các thử nghiệm trải rộng trên 4.800 ô đánh giá, các đầu dò tuyến tính không cần xác thực hoạt động tốt hơn ngay cả sự kết hợp được chọn với thông tin của bộ thử nghiệm.
Đọc truyện Nguồn đã được xác minh: arxiv.org