MedMax: Mixed-Modal Instruction Tuning for Training Biomedical Assistants
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Bansal, Hritik, Israel, Daniel, Zhao, Siyan, Li, Shufan, Nguyen, Tung, Grover, Aditya |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Accelerating Inference of Masked Image Generators via Reinforcement Learning
par: Subbaraman, Pranav, et autres
Publié: (2025)
par: Subbaraman, Pranav, et autres
Publié: (2025)
InstructAny2Pix: Flexible Visual Editing via Multimodal Instruction Following
par: Li, Shufan, et autres
Publié: (2023)
par: Li, Shufan, et autres
Publié: (2023)
Probing the Decision Boundaries of In-context Learning in Large Language Models
par: Zhao, Siyan, et autres
Publié: (2024)
par: Zhao, Siyan, et autres
Publié: (2024)
Peering Through Preferences: Unraveling Feedback Acquisition for Aligning Large Language Models
par: Bansal, Hritik, et autres
Publié: (2023)
par: Bansal, Hritik, et autres
Publié: (2023)
PopAlign: Population-Level Alignment for Fair Text-to-Image Generation
par: Li, Shufan, et autres
Publié: (2024)
par: Li, Shufan, et autres
Publié: (2024)
Mamba-ND: Selective State Space Modeling for Multi-Dimensional Data
par: Li, Shufan, et autres
Publié: (2024)
par: Li, Shufan, et autres
Publié: (2024)
Otter: A Multi-Modal Model with In-Context Instruction Tuning
par: Li, Bo, et autres
Publié: (2023)
par: Li, Bo, et autres
Publié: (2023)
VideoPhy-2: A Challenging Action-Centric Physical Commonsense Evaluation in Video Generation
par: Bansal, Hritik, et autres
Publié: (2025)
par: Bansal, Hritik, et autres
Publié: (2025)
MedHallTune: An Instruction-Tuning Benchmark for Mitigating Medical Hallucination in Vision-Language Models
par: Yan, Qiao, et autres
Publié: (2025)
par: Yan, Qiao, et autres
Publié: (2025)
LaViDa: A Large Diffusion Language Model for Multimodal Understanding
par: Li, Shufan, et autres
Publié: (2025)
par: Li, Shufan, et autres
Publié: (2025)
OpenVLThinker: Complex Vision-Language Reasoning via Iterative SFT-RL Cycles
par: Deng, Yihe, et autres
Publié: (2025)
par: Deng, Yihe, et autres
Publié: (2025)
What Makes for Good Visual Instructions? Synthesizing Complex Visual Reasoning Instructions for Visual Instruction Tuning
par: Du, Yifan, et autres
Publié: (2023)
par: Du, Yifan, et autres
Publié: (2023)
LLaVA Steering: Visual Instruction Tuning with 500x Fewer Parameters through Modality Linear Representation-Steering
par: Bi, Jinhe, et autres
Publié: (2024)
par: Bi, Jinhe, et autres
Publié: (2024)
LLaVA-Phi: Efficient Multi-Modal Assistant with Small Language Model
par: Zhu, Yichen, et autres
Publié: (2024)
par: Zhu, Yichen, et autres
Publié: (2024)
Multi-Modal Explainable Medical AI Assistant for Trustworthy Human-AI Collaboration
par: Yang, Honglong, et autres
Publié: (2025)
par: Yang, Honglong, et autres
Publié: (2025)
ICM-Assistant: Instruction-tuning Multimodal Large Language Models for Rule-based Explainable Image Content Moderation
par: Wu, Mengyang, et autres
Publié: (2024)
par: Wu, Mengyang, et autres
Publié: (2024)
TALC: Time-Aligned Captions for Multi-Scene Text-to-Video Generation
par: Bansal, Hritik, et autres
Publié: (2024)
par: Bansal, Hritik, et autres
Publié: (2024)
Less is More: High-value Data Selection for Visual Instruction Tuning
par: Liu, Zikang, et autres
Publié: (2024)
par: Liu, Zikang, et autres
Publié: (2024)
Guidance Contrastive Token Credit Assignment for Discrete Policy Optimization
par: Li, Shufan, et autres
Publié: (2026)
par: Li, Shufan, et autres
Publié: (2026)
Advancing Vietnamese Visual Question Answering with Transformer and Convolutional Integration
par: Nguyen, Ngoc Son, et autres
Publié: (2024)
par: Nguyen, Ngoc Son, et autres
Publié: (2024)
Prepacking: A Simple Method for Fast Prefilling and Increased Throughput in Large Language Models
par: Zhao, Siyan, et autres
Publié: (2024)
par: Zhao, Siyan, et autres
Publié: (2024)
PredGen: Accelerated Inference of Large Language Models through Input-Time Speculation for Real-Time Speech Interaction
par: Li, Shufan, et autres
Publié: (2025)
par: Li, Shufan, et autres
Publié: (2025)
A High-Quality Text-Rich Image Instruction Tuning Dataset via Hybrid Instruction Generation
par: Zhou, Shijie, et autres
Publié: (2024)
par: Zhou, Shijie, et autres
Publié: (2024)
LLaVA-Video: Video Instruction Tuning With Synthetic Data
par: Zhang, Yuanhan, et autres
Publié: (2024)
par: Zhang, Yuanhan, et autres
Publié: (2024)
Learning to Exploit Temporal Structure for Biomedical Vision-Language Processing
par: Bannur, Shruthi, et autres
Publié: (2023)
par: Bannur, Shruthi, et autres
Publié: (2023)
MoExtend: Tuning New Experts for Modality and Task Extension
par: Zhong, Shanshan, et autres
Publié: (2024)
par: Zhong, Shanshan, et autres
Publié: (2024)
Evi-Steer: Learning to Steer Biomedical Vision-Language Models through Efficient and Generalizable Evidential Tuning
par: Koleilat, Taha, et autres
Publié: (2026)
par: Koleilat, Taha, et autres
Publié: (2026)
RACCooN: A Versatile Instructional Video Editing Framework with Auto-Generated Narratives
par: Yoon, Jaehong, et autres
Publié: (2024)
par: Yoon, Jaehong, et autres
Publié: (2024)
CoTasks: Chain-of-Thought based Video Instruction Tuning Tasks
par: Wang, Yanan, et autres
Publié: (2025)
par: Wang, Yanan, et autres
Publié: (2025)
Vision-Flan: Scaling Human-Labeled Tasks in Visual Instruction Tuning
par: Xu, Zhiyang, et autres
Publié: (2024)
par: Xu, Zhiyang, et autres
Publié: (2024)
MAmmoTH-VL: Eliciting Multimodal Reasoning with Instruction Tuning at Scale
par: Guo, Jarvis, et autres
Publié: (2024)
par: Guo, Jarvis, et autres
Publié: (2024)
Reconstructive Visual Instruction Tuning
par: Wang, Haochen, et autres
Publié: (2024)
par: Wang, Haochen, et autres
Publié: (2024)
HoneyBee: Data Recipes for Vision-Language Reasoners
par: Bansal, Hritik, et autres
Publié: (2025)
par: Bansal, Hritik, et autres
Publié: (2025)
LLaVAR: Enhanced Visual Instruction Tuning for Text-Rich Image Understanding
par: Zhang, Yanzhe, et autres
Publié: (2023)
par: Zhang, Yanzhe, et autres
Publié: (2023)
LayoutLLM: Layout Instruction Tuning with Large Language Models for Document Understanding
par: Luo, Chuwei, et autres
Publié: (2024)
par: Luo, Chuwei, et autres
Publié: (2024)
Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning
par: Lyu, Mengyao, et autres
Publié: (2025)
par: Lyu, Mengyao, et autres
Publié: (2025)
SNCE: Geometry-Aware Supervision for Scalable Discrete Image Generation
par: Li, Shufan, et autres
Publié: (2026)
par: Li, Shufan, et autres
Publié: (2026)
Mitigating Hallucination in Large Multi-Modal Models via Robust Instruction Tuning
par: Liu, Fuxiao, et autres
Publié: (2023)
par: Liu, Fuxiao, et autres
Publié: (2023)
LLaMA-Excitor: General Instruction Tuning via Indirect Feature Interaction
par: Zou, Bo, et autres
Publié: (2024)
par: Zou, Bo, et autres
Publié: (2024)
MANTIS: Interleaved Multi-Image Instruction Tuning
par: Jiang, Dongfu, et autres
Publié: (2024)
par: Jiang, Dongfu, et autres
Publié: (2024)
Documents similaires
-
Accelerating Inference of Masked Image Generators via Reinforcement Learning
par: Subbaraman, Pranav, et autres
Publié: (2025) -
InstructAny2Pix: Flexible Visual Editing via Multimodal Instruction Following
par: Li, Shufan, et autres
Publié: (2023) -
Probing the Decision Boundaries of In-context Learning in Large Language Models
par: Zhao, Siyan, et autres
Publié: (2024) -
Peering Through Preferences: Unraveling Feedback Acquisition for Aligning Large Language Models
par: Bansal, Hritik, et autres
Publié: (2023) -
PopAlign: Population-Level Alignment for Fair Text-to-Image Generation
par: Li, Shufan, et autres
Publié: (2024)