Merlin:Empowering Multimodal LLMs with Foresight Minds
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yu, En, Zhao, Liang, Wei, Yana, Yang, Jinrong, Wu, Dongming, Kong, Lingyu, Wei, Haoran, Wang, Tiancai, Ge, Zheng, Zhang, Xiangyu, Tao, Wenbing |
|---|---|
| Format: | Preprint |
| Publié: |
2023
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Unhackable Temporal Rewarding for Scalable Video MLLMs
par: Yu, En, et autres
Publié: (2025)
par: Yu, En, et autres
Publié: (2025)
Small Language Model Meets with Reinforced Vision Vocabulary
par: Wei, Haoran, et autres
Publié: (2024)
par: Wei, Haoran, et autres
Publié: (2024)
Perception-R1: Pioneering Perception Policy with Reinforcement Learning
par: Yu, En, et autres
Publié: (2025)
par: Yu, En, et autres
Publié: (2025)
OneChart: Purify the Chart Structural Extraction via One Auxiliary Token
par: Chen, Jinyue, et autres
Publié: (2024)
par: Chen, Jinyue, et autres
Publié: (2024)
Perception in Reflection
par: Wei, Yana, et autres
Publié: (2025)
par: Wei, Yana, et autres
Publié: (2025)
DreamLLM: Synergistic Multimodal Comprehension and Creation
par: Dong, Runpei, et autres
Publié: (2023)
par: Dong, Runpei, et autres
Publié: (2023)
Focus Anywhere for Fine-grained Multi-page Document Understanding
par: Liu, Chenglong, et autres
Publié: (2024)
par: Liu, Chenglong, et autres
Publié: (2024)
Cross-View Referring Multi-Object Tracking
par: Chen, Sijia, et autres
Publié: (2024)
par: Chen, Sijia, et autres
Publié: (2024)
ReaMOT: A Benchmark and Framework for Reasoning-based Multi-Object Tracking
par: Chen, Sijia, et autres
Publié: (2025)
par: Chen, Sijia, et autres
Publié: (2025)
PerPO: Perceptual Preference Optimization via Discriminative Rewarding
par: Zhu, Zining, et autres
Publié: (2025)
par: Zhu, Zining, et autres
Publié: (2025)
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model
par: Wei, Haoran, et autres
Publié: (2024)
par: Wei, Haoran, et autres
Publié: (2024)
Delving into the Trajectory Long-tail Distribution for Muti-object Tracking
par: Chen, Sijia, et autres
Publié: (2024)
par: Chen, Sijia, et autres
Publié: (2024)
Disentangling Instance and Scene Contexts for 3D Semantic Scene Completion
par: Liu, Enyu, et autres
Publié: (2025)
par: Liu, Enyu, et autres
Publié: (2025)
OVTR: End-to-End Open-Vocabulary Multiple Object Tracking with Transformer
par: Li, Jinyang, et autres
Publié: (2025)
par: Li, Jinyang, et autres
Publié: (2025)
Foresight Diffusion: Improving Sampling Consistency in Predictive Diffusion Models
par: Zhang, Yu, et autres
Publié: (2025)
par: Zhang, Yu, et autres
Publié: (2025)
Reconstructive Visual Instruction Tuning
par: Wang, Haochen, et autres
Publié: (2024)
par: Wang, Haochen, et autres
Publié: (2024)
Thinking by Doing: Building Efficient World Model Reasoning in LLMs via Multi-turn Interaction
par: Shu, Bao, et autres
Publié: (2025)
par: Shu, Bao, et autres
Publié: (2025)
Language Prompt for Autonomous Driving
par: Wu, Dongming, et autres
Publié: (2023)
par: Wu, Dongming, et autres
Publié: (2023)
The impact of baffle and taper channel tilt angle on the output performance of proton‐exchange membrane fuel cells
par: Tiancai Cheng, et autres
Publié: (2024)
par: Tiancai Cheng, et autres
Publié: (2024)
ORMOT: A Dataset and Framework for Omnidirectional Referring Multi-Object Tracking
par: Chen, Sijia, et autres
Publié: (2026)
par: Chen, Sijia, et autres
Publié: (2026)
Vision Enhancing LLMs: Empowering Multimodal Knowledge Storage and Sharing in LLMs
par: Li, Yunxin, et autres
Publié: (2023)
par: Li, Yunxin, et autres
Publié: (2023)
Merlin: Multi-View Representation Learning for Robust Multivariate Time Series Forecasting with Unfixed Missing Rates
par: Yu, Chengqing, et autres
Publié: (2025)
par: Yu, Chengqing, et autres
Publié: (2025)
Empowering Multimodal LLMs with External Tools: A Comprehensive Survey
par: An, Wenbin, et autres
Publié: (2025)
par: An, Wenbin, et autres
Publié: (2025)
Is a 3D-Tokenized LLM the Key to Reliable Autonomous Driving?
par: Bai, Yifan, et autres
Publié: (2024)
par: Bai, Yifan, et autres
Publié: (2024)
ForgerySleuth: Empowering Multimodal Large Language Models for Image Manipulation Detection
par: Sun, Zhihao, et autres
Publié: (2024)
par: Sun, Zhihao, et autres
Publié: (2024)
Can Multimodal LLMs Perform Time Series Anomaly Detection?
par: Xu, Xiongxiao, et autres
Publié: (2025)
par: Xu, Xiongxiao, et autres
Publié: (2025)
Beyond the Cartesian Illusion: Testing Two-Stage Multi-Modal Theory of Mind under Perceptual Bottlenecks
par: Zhou, Yajing, et autres
Publié: (2026)
par: Zhou, Yajing, et autres
Publié: (2026)
Generative Visual Foresight Meets Task-Agnostic Pose Estimation in Robotic Table-Top Manipulation
par: Zhang, Chuye, et autres
Publié: (2025)
par: Zhang, Chuye, et autres
Publié: (2025)
DEGround: An Effective Baseline for Ego-centric 3D Visual Grounding with a Homogeneous Framework
par: Zhang, Yani, et autres
Publié: (2025)
par: Zhang, Yani, et autres
Publié: (2025)
Research on the Flexural Performance and Degree of Composite Action of Precast Concrete Sandwich Panels With Concrete Ribs
par: Qi Ge, et autres
Publié: (2025)
par: Qi Ge, et autres
Publié: (2025)
MindCine: Multimodal EEG-to-Video Reconstruction with Large-Scale Pretrained Models
par: Zhou, Tian-Yi, et autres
Publié: (2026)
par: Zhou, Tian-Yi, et autres
Publié: (2026)
Multipole expansion of the gravitational field in a general class of fourth-order theories of gravity and the application in gyroscopic precession
par: Wu, Bofeng, et autres
Publié: (2023)
par: Wu, Bofeng, et autres
Publié: (2023)
Edge-Cloud Collaborative Pothole Detection via Onboard Event Screening and Federated Temporal Segmentation
par: Wu, Yingjie, et autres
Publié: (2026)
par: Wu, Yingjie, et autres
Publié: (2026)
DRMOT: A Dataset and Framework for RGBD Referring Multi-Object Tracking
par: Chen, Sijia, et autres
Publié: (2026)
par: Chen, Sijia, et autres
Publié: (2026)
Lumos : Empowering Multimodal LLMs with Scene Text Recognition
par: Shenoy, Ashish, et autres
Publié: (2024)
par: Shenoy, Ashish, et autres
Publié: (2024)
Foresight Prediction Enhanced Live-Streaming Recommendation
par: Cao, Jiangxia, et autres
Publié: (2025)
par: Cao, Jiangxia, et autres
Publié: (2025)
PaperMind: Benchmarking Agentic Reasoning and Critique over Scientific Papers in Multimodal LLMs
par: Zhao, Yanjun, et autres
Publié: (2026)
par: Zhao, Yanjun, et autres
Publié: (2026)
TeamLLM: A Human-Like Team-Oriented Collaboration Framework for Multi-Step Contextualized Tasks
par: Wang, Xiangyu, et autres
Publié: (2026)
par: Wang, Xiangyu, et autres
Publié: (2026)
Adaptive Graph Refinement and Label Propagation with LLMs for Cost-Effective Entity Resolution
par: Wang, Hongtao, et autres
Publié: (2026)
par: Wang, Hongtao, et autres
Publié: (2026)
X-Ray Polarization Study of Pulsar Wind Nebulae with eXTP: Simulation Results and Scientific Prospects
par: Liu, Kuan, et autres
Publié: (2026)
par: Liu, Kuan, et autres
Publié: (2026)
Documents similaires
-
Unhackable Temporal Rewarding for Scalable Video MLLMs
par: Yu, En, et autres
Publié: (2025) -
Small Language Model Meets with Reinforced Vision Vocabulary
par: Wei, Haoran, et autres
Publié: (2024) -
Perception-R1: Pioneering Perception Policy with Reinforcement Learning
par: Yu, En, et autres
Publié: (2025) -
OneChart: Purify the Chart Structural Extraction via One Auxiliary Token
par: Chen, Jinyue, et autres
Publié: (2024) -
Perception in Reflection
par: Wei, Yana, et autres
Publié: (2025)