vision-language

android ,  vision-language ,  appium ,  mobile-agent ,  androidworld-benchmark ,  droidrun ,  uiautomator

vision-language ,  paper ,  survey-paper ,  continual-learning ,  agent2agent ,  ai-ml-papers-of-the-week ,  multi-agent-system ,  tool-use-mixture ,  tumix ,  reverse-speculative-decoding ,  truthful-text-summarization ,  agentmaster ,  knowledge-infusion-scaling-law ,  bifrost-1 ,  agents-research-environments ,  federation-of-agents

multimodal ,  vision-language ,  mixture-of-experts ,  alibaba ,  qwen ,  qwen3-vl

apple ,  multimodal ,  vision-language ,  vision-transformer ,  fastvit ,  llava ,  mlx ,  on-device ,  fastvlm ,  fastvithd ,  time-to-first-token ,  pareto-optimal-curve ,  high-resolution

vision-language ,  llamacpp ,  small-multimodal ,  demo ,  smolvlm

vision-language ,  ghostwriter ,  remarkable-tablet ,  handwriting-to-text ,  handwriting-to-image

vision-language ,  ollama ,  llama-3-2 ,  llama-3-2-vision

apple ,  vision-language ,  mllm ,  mm1 ,  apple-mm1 ,  axlearn ,  clip ,  dfn ,  dfn-2b ,  dfn-5b ,  dfn-clip ,  paper

multimodal ,  vision-language ,  paper ,  allen-ai ,  open-weights ,  multimodal-dataset ,  molmo ,  pixmo

multimodal ,  vision-language ,  large-vision-language-model ,  benchmark ,  capture ,  evaluation ,  mllm-benchmark ,  lvlm ,  image-captioning

dataset ,  multimodal ,  vision-language ,  paper ,  large-vision-language-model ,  benchmark ,  blindtest

transformer ,  geeknews ,  openai ,  vision-language ,  embedding ,  clip ,  llama3 ,  vq-vae ,  visual-encoder ,  gpt-4o ,  tesseract

together ,  vision-language ,  paper ,  medical ,  llama3 ,  dragonfly ,  dragonfly-med ,  multi-resolution ,  open-weights

vision-language ,  paper ,  top-ml-papers-of-the-week ,  survey-paper ,  aya ,  cope ,  symbolic-cot ,  embedding-for-arithmetic ,  gnn-rag ,  graph-neural-retrieval ,  aaren ,  attention-as-rnn ,  lc-boost ,  simpo ,  preference-optimization

huggingface ,  multimodal ,  vision-language ,  idefics2

google ,  vision-language ,  detr ,  self-supervised ,  screenai ,  ui-understanding ,  pali ,  flexible-patching ,  pix2struct

apple ,  multimodal ,  vision-language ,  benchmark ,  visual-reasoning

multimodal ,  vision-language ,  paper ,  llm-compression ,  rag ,  survey-paper ,  hallucination ,  llm-math ,  olmo ,  mm-llm ,  crag ,  corrective-rag ,  moe-llava ,  wrap ,  slicegpt

multimodal ,  vision-language ,  mixture-of-experts ,  llava ,  moe-llava

llm-agent ,  multimodal ,  vision-language ,  paper ,  top-ml-papers-of-the-week ,  survey-paper ,  medusa ,  llm-security ,  lumiere ,  depth-anything ,  knowledge-fusion ,  mambabyte ,  warm ,  rtvlm ,  agentboard

multimodal ,  vision-language ,  paper ,  top-ml-papers-of-the-week ,  survey-paper ,  llm-reasoning ,  lmm ,  gemini ,  cogagent ,  q-star ,  promptbench ,  llm-fact-recall ,  mathpile ,  llara

tldr-ai ,  vision-language ,  kosmos-2 ,  unilm ,  workers-ai ,  humane-ai-pin ,  rewind-pendant ,  streamingllm ,  gaflow ,  gaussian-attention ,  ai-saas ,  opencompass ,  vespio ,  bestever

vision-language ,  anomalygpt ,  iad ,  industrial-anomaly-detection ,  large-vision-language-model

geeknews ,  vision-language ,  xraygpt ,  medical ,  x-ray

instructblip ,  multimodal ,  salesforce ,  lavis ,  blip2 ,  gpt-4 ,  minigpt-4 ,  vision-language