Finde Modelle, Firmen und Themen

Mit PlotChain wird die Leistungsfähigkeit multimodaler Large Language Models (LLMs) beim Lesen von technischen Diagrammen neu definiert. De…

Multimodale Large Language Models (MLLMs) zeigen häufig eine starke Präferenz für eine bestimmte Modalität – sei es Sprache oder Bild – was…

Große Sprachmodelle (LLMs) werden zunehmend als automatisierte Richter eingesetzt, um KI-generierte Inhalte zu bewerten. Trotz ihrer beeind…

Eine neue Veröffentlichung auf arXiv (2602.00327v1) beleuchtet, warum moderne große Sprachmodelle (LLMs) bei der Vorhersage der nächsten Äu…

In der Forschung zu multimodalen großen Sprachmodellen (MLLMs) hat sich die Vielfalt an Architekturen, Ausrichtungsstrategien und Effizienz…

Multimodale Sprachmodelle sind leistungsfähig, doch sie neigen dazu, „Halluzinationen“ zu erzeugen – Beschreibungen von Objekten, die nicht…

In einer neuen Studie wird ein innovatives Diagnoseverfahren namens Contrastive Region Masking (CRM) vorgestellt, das aufzeigt, wie multimo…

Forscher haben zwei neue Benchmarks – REST und REST+ (Render‑Equivalence Stress Tests) – entwickelt, um die Konsistenz multimodaler Large L…

Ein neues Forschungsprojekt namens ORIGAMISPACE wurde auf arXiv veröffentlicht und richtet sich an die Bewertung multimodaler Large Languag…

Multimodale große Sprachmodelle stoßen bei der Inferenz auf erhebliche Engpässe, weil ihr KV‑Cache proportional zur Länge der visuellen Ein…

Die neue Methode ST‑Raptor, vorgestellt auf arXiv (2508.18190v2), nutzt große Sprachmodelle, um Fragen zu halbstrukturierten Tabellen autom…

In den letzten Jahren haben große Sprachmodelle (LLMs) ihre Fähigkeit zum logischen Denken stark erweitert. Durch in‑Kontext‑Learning (ICL)…

In den USA sind etwa fünf Millionen ältere Menschen von Alzheimer‑ und verwandten Demenzformen betroffen, doch über die Hälfte bleibt bisla…

In der Praxis verlangen multimodale Anwendungen von einer echten Any-to-Any‑Fähigkeit, die sowohl das Verständnis als auch die Erzeugung üb…