Noticias sobre ViTAL-X

Los puntos ciegos temporales del modelo de video-texto se verifican sistemáticamente, lo que indica que simplemente expandir los parámetros no puede resolver los defectos de razonamiento temporal. XTE inyecta supervisión temporal a través de una transformación de sincronización intermodal, cambiando el enfoque competitivo de la capacidad del modelo al diseño de señales de supervisión, proporcionando un camino de mejora verificable para los modelos de lenguaje de video.