Loading [MathJax]/extensions/tex2jax.js
次回の更新記事：オープンソースLLMを軽さそのままに賢くする「知識蒸…（公開予定日：2025年04月30日）

マルチモーダル

文書に含まれるテキスト・図・表をすべて詳しく調べるエージェント手法

文書に含まれるテキスト・図・表をすべて詳しく調べるエージェント手法

LLMを活用した「Text to CAD」 テキスト指示から高品質な3Dモデルを作成する

LLMを活用した「Text to CAD」 テキスト指示から高品質な3Dモデルを作成する

マルチモーダルLLMによる表やグラフの理解力を向上させる方法

マルチモーダルLLMによる表やグラフの理解力を向上させる方法

時系列データをグラフにしてLLMに見せると文字だけより最大120%性能向上　トークンも節約

時系列データをグラフにしてLLMに見せると文字だけより最大120%性能向上　トークンも節約

画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

500以上の実世界のマルチモーダルタスクを含む、過去最大規模の評価ベンチマーク『MEGA-BENCH』登場

500以上の実世界のマルチモーダルタスクを含む、過去最大規模の評価ベンチマーク『MEGA-BENCH』登場

マルチモーダルLLMの高難易度ベンチマーク『MMMU-Pro』で明らかになったこと

マルチモーダルLLMの高難易度ベンチマーク『MMMU-Pro』で明らかになったこと

『プロンプトレポート』OpenAIなどが作成した調査報告書　〜その2　マルチモーダルとエージェント〜

『プロンプトレポート』OpenAIなどが作成した調査報告書　〜その2　マルチモーダルとエージェント〜

マルチモーダルLLMは従来手法よりゼロショット画像分類の精度が大幅に向上　Googleが報告

マルチモーダルLLMは従来手法よりゼロショット画像分類の精度が大幅に向上　Googleが報告

GPT-4o、Gemini、Claude 3などにおける「長いプロンプトのマルチモーダルタスク」性能を測定した結果

GPT-4o、Gemini、Claude 3などにおける「長いプロンプトのマルチモーダルタスク」性能を測定した結果

スタンフォード大学の研究者ら、GPT-4oとGemini1.5 Proで「マルチモーダルモデルにおける『Many-Shot』の効果」を検証

スタンフォード大学の研究者ら、GPT-4oとGemini1.5 Proで「マルチモーダルモデルにおける『Many-Shot』の効果」を検証

マルチモーダルLLMにおける幻覚（ハルシネーション）の原因と対策　クリエイティブでの活用も推奨　AWSなどが網羅的に調査

マルチモーダルLLMにおける幻覚（ハルシネーション）の原因と対策　クリエイティブでの活用も推奨　AWSなどが網羅的に調査

マルチモーダルLLMにおける欠点と原因を明らかにする調査研究の結果

マルチモーダルLLMにおける欠点と原因を明らかにする調査研究の結果

Appleが開発　スマホに特化したマルチモーダルLLM『Ferret UI』

Appleが開発　スマホに特化したマルチモーダルLLM『Ferret UI』

LLMに心の目を与える『Visualization-of-Thought』プロンプティング　マルチモーダルモデルに匹敵する空間推論性能を達成

LLMに心の目を与える『Visualization-of-Thought』プロンプティング　マルチモーダルモデルに匹敵する空間推論性能を達成

プロフィールを登録すると
仕事のオファーが届きます

プロフィール登録
PAGE TOP