MLLM-Tool: A Multimodal Large Language Model For Tool Agent Learning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Chenyu, Luo, Weixin, Dong, Sixun, Xuan, Xiaohua, Li, Zhengxin, Ma, Lin, Gao, Shenghua |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM
par: Xu, Jingwei, et autres
Publié: (2024)
par: Xu, Jingwei, et autres
Publié: (2024)
Rethinking Model Efficiency: Multi-Agent Inference with Large Models
par: Dong, Sixun, et autres
Publié: (2026)
par: Dong, Sixun, et autres
Publié: (2026)
Part-X-MLLM: Part-aware 3D Multimodal Large Language Model
par: Wang, Chunshi, et autres
Publié: (2025)
par: Wang, Chunshi, et autres
Publié: (2025)
ControlMLLM: Training-Free Visual Prompt Learning for Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2024)
par: Wu, Mingrui, et autres
Publié: (2024)
MLLM-SUL: Multimodal Large Language Model for Semantic Scene Understanding and Localization in Traffic Scenarios
par: Fan, Jiaqi, et autres
Publié: (2024)
par: Fan, Jiaqi, et autres
Publié: (2024)
MLLM-CL: Continual Learning for Multimodal Large Language Models
par: Zhao, Hongbo, et autres
Publié: (2025)
par: Zhao, Hongbo, et autres
Publié: (2025)
EE-MLLM: A Data-Efficient and Compute-Efficient Multimodal Large Language Model
par: Ma, Feipeng, et autres
Publié: (2024)
par: Ma, Feipeng, et autres
Publié: (2024)
MLLM-For3D: Adapting Multimodal Large Language Model for 3D Reasoning Segmentation
par: Huang, Jiaxin, et autres
Publié: (2025)
par: Huang, Jiaxin, et autres
Publié: (2025)
AgroTools: A Benchmark for Tool-Augmented Multimodal Agents in Agriculture
par: Ye, Zi, et autres
Publié: (2026)
par: Ye, Zi, et autres
Publié: (2026)
CodeDance: A Dynamic Tool-integrated MLLM for Executable Visual Reasoning
par: Song, Qi, et autres
Publié: (2025)
par: Song, Qi, et autres
Publié: (2025)
Towards Long-horizon Embodied Agents with Tool-Aligned Vision-Language-Action Models
par: Lei, Zixing, et autres
Publié: (2026)
par: Lei, Zixing, et autres
Publié: (2026)
Which Tool Response Should I Trust? Tool-Expertise-Aware Chest X-ray Agent with Multimodal Agentic Learning
par: Huai, Zheang, et autres
Publié: (2026)
par: Huai, Zheang, et autres
Publié: (2026)
Iterative Tool Usage Exploration for Multimodal Agents via Step-wise Preference Tuning
par: Li, Pengxiang, et autres
Publié: (2025)
par: Li, Pengxiang, et autres
Publié: (2025)
OCC-MLLM:Empowering Multimodal Large Language Model For the Understanding of Occluded Objects
par: Qiu, Wenmo, et autres
Publié: (2024)
par: Qiu, Wenmo, et autres
Publié: (2024)
Recollection from Pensieve: Novel View Synthesis via Learning from Uncalibrated Videos
par: Wang, Ruoyu, et autres
Publié: (2025)
par: Wang, Ruoyu, et autres
Publié: (2025)
VidCoM: Fast Video Comprehension through Large Language Models with Multimodal Tools
par: Qi, Ji, et autres
Publié: (2023)
par: Qi, Ji, et autres
Publié: (2023)
RaTA-Tool: Retrieval-based Tool Selection with Multimodal Large Language Models
par: Mattioli, Gabriele, et autres
Publié: (2026)
par: Mattioli, Gabriele, et autres
Publié: (2026)
CiQi-Agent: Aligning Vision, Tools and Aesthetics in Multimodal Agent for Cultural Reasoning on Chinese Porcelains
par: Wang, Wenhan, et autres
Publié: (2026)
par: Wang, Wenhan, et autres
Publié: (2026)
LAST: Leveraging Tools as Hints to Enhance Spatial Reasoning for Multimodal Large Language Models
par: Tian, Shi-Yu, et autres
Publié: (2026)
par: Tian, Shi-Yu, et autres
Publié: (2026)
MLLM-HWSI: A Multimodal Large Language Model for Hierarchical Whole Slide Image Understanding
par: Alawode, Basit, et autres
Publié: (2026)
par: Alawode, Basit, et autres
Publié: (2026)
Learning Trajectory-Aware Multimodal Large Language Models for Video Reasoning Segmentation
par: Luo, Jingnan, et autres
Publié: (2026)
par: Luo, Jingnan, et autres
Publié: (2026)
MeshSegmenter: Zero-Shot Mesh Semantic Segmentation via Texture Synthesis
par: Zhong, Ziming, et autres
Publié: (2024)
par: Zhong, Ziming, et autres
Publié: (2024)
FoodMLLM-JP: Leveraging Multimodal Large Language Models for Japanese Recipe Generation
par: Imajuku, Yuki, et autres
Publié: (2024)
par: Imajuku, Yuki, et autres
Publié: (2024)
OpenEarth-Agent: From Tool Calling to Tool Creation for Open-Environment Earth Observation
par: Zhao, Sijie, et autres
Publié: (2026)
par: Zhao, Sijie, et autres
Publié: (2026)
VisualToolAgent (VisTA): A Reinforcement Learning Framework for Visual Tool Selection
par: Huang, Zeyi, et autres
Publié: (2025)
par: Huang, Zeyi, et autres
Publié: (2025)
LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models
par: Stan, Gabriela Ben Melech, et autres
Publié: (2024)
par: Stan, Gabriela Ben Melech, et autres
Publié: (2024)
Thinking With Videos: Multimodal Tool-Augmented Reinforcement Learning for Long Video Reasoning
par: Zhang, Haoji, et autres
Publié: (2025)
par: Zhang, Haoji, et autres
Publié: (2025)
GAP-MLLM: Geometry-Aligned Pre-training for Activating 3D Spatial Perception in Multimodal Large Language Models
par: Zhang, Jiaxin, et autres
Publié: (2026)
par: Zhang, Jiaxin, et autres
Publié: (2026)
ARM-Thinker: Reinforcing Multimodal Generative Reward Models with Agentic Tool Use and Visual Reasoning
par: Ding, Shengyuan, et autres
Publié: (2025)
par: Ding, Shengyuan, et autres
Publié: (2025)
Semantic Alignment for Multimodal Large Language Models
par: Wu, Tao, et autres
Publié: (2024)
par: Wu, Tao, et autres
Publié: (2024)
Distraction is All You Need for Multimodal Large Language Model Jailbreaking
par: Yang, Zuopeng, et autres
Publié: (2025)
par: Yang, Zuopeng, et autres
Publié: (2025)
WALT: Web Agents that Learn Tools
par: Prabhu, Viraj, et autres
Publié: (2025)
par: Prabhu, Viraj, et autres
Publié: (2025)
MMTok: Multimodal Coverage Maximization for Efficient Inference of VLMs
par: Dong, Sixun, et autres
Publié: (2025)
par: Dong, Sixun, et autres
Publié: (2025)
ReTool-Video: Recursive Tool-Using Video Agents with Meta-Augmented Tool Grounding
par: Liu, Xiao, et autres
Publié: (2026)
par: Liu, Xiao, et autres
Publié: (2026)
DetToolChain: A New Prompting Paradigm to Unleash Detection Ability of MLLM
par: Wu, Yixuan, et autres
Publié: (2024)
par: Wu, Yixuan, et autres
Publié: (2024)
REVISION: Rendering Tools Enable Spatial Fidelity in Vision-Language Models
par: Chatterjee, Agneet, et autres
Publié: (2024)
par: Chatterjee, Agneet, et autres
Publié: (2024)
Beyond the Visible: Benchmarking Occlusion Perception in Multimodal Large Language Models
par: Liu, Zhaochen, et autres
Publié: (2025)
par: Liu, Zhaochen, et autres
Publié: (2025)
What Does Vision Tool-Use Reinforcement Learning Really Learn? Disentangling Tool-Induced and Intrinsic Effects for Crop-and-Zoom
par: Ma, Yan, et autres
Publié: (2026)
par: Ma, Yan, et autres
Publié: (2026)
ActiView: Evaluating Active Perception Ability for Multimodal Large Language Models
par: Wang, Ziyue, et autres
Publié: (2024)
par: Wang, Ziyue, et autres
Publié: (2024)
Reasoning Guided Embeddings: Leveraging MLLM Reasoning for Improved Multimodal Retrieval
par: Liu, Chunxu, et autres
Publié: (2025)
par: Liu, Chunxu, et autres
Publié: (2025)
Documents similaires
-
CAD-MLLM: Unifying Multimodality-Conditioned CAD Generation With MLLM
par: Xu, Jingwei, et autres
Publié: (2024) -
Rethinking Model Efficiency: Multi-Agent Inference with Large Models
par: Dong, Sixun, et autres
Publié: (2026) -
Part-X-MLLM: Part-aware 3D Multimodal Large Language Model
par: Wang, Chunshi, et autres
Publié: (2025) -
ControlMLLM: Training-Free Visual Prompt Learning for Multimodal Large Language Models
par: Wu, Mingrui, et autres
Publié: (2024) -
MLLM-SUL: Multimodal Large Language Model for Semantic Scene Understanding and Localization in Traffic Scenarios
par: Fan, Jiaqi, et autres
Publié: (2024)