LLM学习记录

基于pytorch从0开始实现完整的transformer模型代码，并对于代码中重要部分添加了详细的注释

一种名为MIST（Multi-modal Iterative Spatial-Temporal Transformer）的新型模型，用于解决长视频问答（VideoQA）中的多事件推理和多

Plug-and-Play VQA:一种只需要简单组合PLM的可执行zero-shot的VQA方法，在无需修改模型结构等工作的前提下，实现了zero-shot的STOA

多模态论文精读系列，本文主要介绍了一种名为Prophet的框架，旨在通过引入答案启发式来激活GPT-3的能力，从而提高知识型视觉问答的性能

多模态论文精读系列：利用现有的LLM做VQA任务。本文主要介绍了一种名为Img2LLM的方法，它是一个即插即用式模块，可以将大型语言模型应用于零样本视觉问答任务，而无需进行端到端的训练

本文主要介绍深度学习中对于数据的一些简单预处理操作，主要包括从原始数据集(csv文件)中提取出数据，并对数据进行清洗、转化为张量格式，以便于深度学习中的模型进行读取

一些Pytorch的预备知识，主要包括一些基本数据操作，包括基本运算符、广播机制、切片和索引和内存等内容