Articles sur ViTAL-X

Les angles morts temporels du modèle vidéo-texte sont systématiquement vérifiés, indiquant que la simple expansion des paramètres ne peut pas résoudre les défauts de raisonnement temporel. XTE injecte une supervision temporelle via une transformation de synchronisation intermodale, déplaçant l'accent concurrentiel de la capacité du modèle vers la conception du signal de supervision, offrant ainsi une voie d'amélioration vérifiable pour les modèles de langage vidéo.