Buchumschlag

BYOM: Building Your Own Multi-Task Model For Free

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Weisen, Lin, Baijiong, Shi, Han, Zhang, Yu, Li, Zhenguo, Kwok, James T.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computation and Language Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

MTMamba++: Enhancing Multi-Task Dense Scene Understanding via Mamba-Based Decoders
von: Lin, Baijiong, et al.
Veröffentlicht: (2024)

MTMamba: Enhancing Multi-Task Dense Scene Understanding by Mamba-Based Decoders
von: Lin, Baijiong, et al.
Veröffentlicht: (2024)

RouterDC: Query-Based Router by Dual Contrastive Learning for Assembling Large Language Models
von: Chen, Shuhao, et al.
Veröffentlicht: (2024)

VLLaVO: Mitigating Visual Gap through LLMs
von: Chen, Shuhao, et al.
Veröffentlicht: (2024)

BYO-Eval: Build Your Own Dataset for Fine-Grained Visual Assessment of Multimodal Language Models
von: Arnould, Ludovic, et al.
Veröffentlicht: (2025)

MetaMath: Bootstrap Your Own Mathematical Questions for Large Language Models
von: Yu, Longhui, et al.
Veröffentlicht: (2023)

Task-customized Masked AutoEncoder via Mixture of Cluster-conditional Experts
von: Liu, Zhili, et al.
Veröffentlicht: (2024)

Localize-and-Stitch: Efficient Model Merging via Sparse Task Arithmetic
von: He, Yifei, et al.
Veröffentlicht: (2024)

Multi-Task Model Merging via Adaptive Weight Disentanglement
von: Xiong, Feng, et al.
Veröffentlicht: (2024)

How to Merge Your Multimodal Models Over Time?
von: Dziadzio, Sebastian, et al.
Veröffentlicht: (2024)

Monkey Jump : MoE-Style PEFT for Efficient Multi-Task Learning
von: Prottasha, Nusrat Jahan, et al.
Veröffentlicht: (2026)

Forward-Backward Reasoning in Large Language Models for Mathematical Verification
von: Jiang, Weisen, et al.
Veröffentlicht: (2023)

MMBench: Is Your Multi-modal Model an All-around Player?
von: Liu, Yuan, et al.
Veröffentlicht: (2023)

Leopard: A Vision Language Model For Text-Rich Multi-Image Tasks
von: Jia, Mengzhao, et al.
Veröffentlicht: (2024)

Graph Your Own Prompt
von: Ding, Xi, et al.
Veröffentlicht: (2025)

Preserve Your Own Correlation: A Noise Prior for Video Diffusion Models
von: Ge, Songwei, et al.
Veröffentlicht: (2023)

Getting More Juice Out of Your Data: Hard Pair Refinement Enhances Visual-Language Models Without Extra Data
von: Wang, Haonan, et al.
Veröffentlicht: (2023)

MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?
von: Zhang, Renrui, et al.
Veröffentlicht: (2024)

From Heads to Neurons: Causal Attribution and Steering in Multi-Task Vision-Language Models
von: Wang, Qidong, et al.
Veröffentlicht: (2026)

Modality Bias in LVLMs: Analyzing and Mitigating Object Hallucination via Attention Lens
von: Zheng, Haohan, et al.
Veröffentlicht: (2025)

MJ-Bench: Is Your Multimodal Reward Model Really a Good Judge for Text-to-Image Generation?
von: Chen, Zhaorun, et al.
Veröffentlicht: (2024)

BYOCL: Build Your Own Consistent Latent with Hierarchical Representative Latent Clustering
von: Dai, Jiayue, et al.
Veröffentlicht: (2024)

Task-Specific Directions: Definition, Exploration, and Utilization in Parameter Efficient Fine-Tuning
von: Si, Chongjie, et al.
Veröffentlicht: (2024)

Vision-Language Models Create Cross-Modal Task Representations
von: Luo, Grace, et al.
Veröffentlicht: (2024)

Task Matrices: Linear Maps for Cross-Model Finetuning Transfer
von: Brien, Darrin O', et al.
Veröffentlicht: (2025)

The Double Dilemma in Multi-Task Radiology Report Generation: A Gradient Dynamics Analysis and Solution
von: Zhang, Erjian, et al.
Veröffentlicht: (2026)

Residual-based Language Models are Free Boosters for Biomedical Imaging
von: Lai, Zhixin, et al.
Veröffentlicht: (2024)

Text-centric Alignment for Multi-Modality Learning
von: Tsai, Yun-Da, et al.
Veröffentlicht: (2024)

MoTe: Learning Motion-Text Diffusion Model for Multiple Generation Tasks
von: Wu, Yiming, et al.
Veröffentlicht: (2024)

VisualWebArena: Evaluating Multimodal Agents on Realistic Visual Web Tasks
von: Koh, Jing Yu, et al.
Veröffentlicht: (2024)

Annotation-Free Reinforcement Learning Query Rewriting via Verifiable Search Reward
von: Cha, Sungguk, et al.
Veröffentlicht: (2025)

LMFusion: Adapting Pretrained Language Models for Multimodal Generation
von: Shi, Weijia, et al.
Veröffentlicht: (2024)

MoDoMoDo: Multi-Domain Data Mixtures for Multimodal LLM Reinforcement Learning
von: Liang, Yiqing, et al.
Veröffentlicht: (2025)

Efficient Stitchable Task Adaptation
von: He, Haoyu, et al.
Veröffentlicht: (2023)

How Vision-Language Tasks Benefit from Large Pre-trained Models: A Survey
von: Qi, Yayun, et al.
Veröffentlicht: (2024)

Watch Out Your Album! On the Inadvertent Privacy Memorization in Multi-Modal Large Language Models
von: Ju, Tianjie, et al.
Veröffentlicht: (2025)

Unleashing the Potential of Model Bias for Generalized Category Discovery
von: An, Wenbin, et al.
Veröffentlicht: (2024)

WebLINX: Real-World Website Navigation with Multi-Turn Dialogue
von: Lù, Xing Han, et al.
Veröffentlicht: (2024)

The Neglected Tails in Vision-Language Models
von: Parashar, Shubham, et al.
Veröffentlicht: (2024)

RadZero: Similarity-Based Cross-Attention for Explainable Vision-Language Alignment in Chest X-ray with Zero-Shot Multi-Task Capability
von: Park, Jonggwon, et al.
Veröffentlicht: (2025)