LongLLaVA: Scaling Multi-modal LLMs to 1000 Images Efficiently via a Hybrid Architecture

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Wang, Xidong, Song, Dingjie, Chen, Shunian, Chen, Junyin, Cai, Zhenyang, Zhang, Chen, Sun, Lichao, Wang, Benyou
Formato:	Preprint
Publicado:	2024
Materias:	Computation and Language Artificial Intelligence Computer Vision and Pattern Recognition Multimedia
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2409.02889