A failure of Imagination: VLMs fail to use visual representations for text, but self-distillation can help

Shashwat Singh, He He, Tal Linzen

На странице источника доступны аннотация, полный текст или сведения о том, где его прочитать. Препринт может ещё не пройти рецензирование; проверьте, появилась ли журнальная версия.