Copertina

Large Multimodal Agents: A Survey

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Xie, Junlin, Chen, Zhihong, Zhang, Ruifei, Wan, Xiang, Li, Guanbin
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A Survey on Agentic Multimodal Large Language Models
di: Yao, Huanjin, et al.
Pubblicazione: (2025)

AdaDrive: Self-Adaptive Slow-Fast System for Language-Grounded Autonomous Driving
di: Zhang, Ruifei, et al.
Pubblicazione: (2025)

A Survey on Evaluation of Multimodal Large Language Models
di: Huang, Jiaxing, et al.
Pubblicazione: (2024)

A Survey on Benchmarks of Multimodal Large Language Models
di: Li, Jian, et al.
Pubblicazione: (2024)

VIALM: A Survey and Benchmark of Visually Impaired Assistance with Large Models
di: Zhao, Yi, et al.
Pubblicazione: (2024)

A Survey of Multimodal Large Language Model from A Data-centric Perspective
di: Bai, Tianyi, et al.
Pubblicazione: (2024)

RestoreAgent: Autonomous Image Restoration Agent via Multimodal Large Language Models
di: Chen, Haoyu, et al.
Pubblicazione: (2024)

HuatuoGPT-Vision, Towards Injecting Medical Visual Knowledge into Multimodal LLMs at Scale
di: Chen, Junying, et al.
Pubblicazione: (2024)

A Survey on Multimodal Large Language Models
di: Yin, Shukang, et al.
Pubblicazione: (2023)

Towards Rationality in Language and Multimodal Agents: A Survey
di: Jiang, Bowen, et al.
Pubblicazione: (2024)

VisualAgentBench: Towards Large Multimodal Models as Visual Foundation Agents
di: Liu, Xiao, et al.
Pubblicazione: (2024)

DART: Leveraging Multi-Agent Disagreement for Tool Recruitment in Multimodal Reasoning
di: Sivakumaran, Nithin, et al.
Pubblicazione: (2025)

MME-Survey: A Comprehensive Survey on Evaluation of Multimodal LLMs
di: Fu, Chaoyou, et al.
Pubblicazione: (2024)

A Survey of LLM-based Agents in Medicine: How far are we from Baymax?
di: Wang, Wenxuan, et al.
Pubblicazione: (2025)

Personalized Multimodal Large Language Models: A Survey
di: Wu, Junda, et al.
Pubblicazione: (2024)

MMInA: Benchmarking Multihop Multimodal Internet Agents
di: Tian, Shulin, et al.
Pubblicazione: (2024)

Image Matters: A New Dataset and Empirical Study for Multimodal Hyperbole Detection
di: Zhang, Huixuan, et al.
Pubblicazione: (2023)

The Revolution of Multimodal Large Language Models: A Survey
di: Caffagni, Davide, et al.
Pubblicazione: (2024)

PDF-WuKong: A Large Multimodal Model for Efficient Long PDF Reading with End-to-End Sparse Sampling
di: Xie, Xudong, et al.
Pubblicazione: (2024)

How to Bridge the Gap between Modalities: Survey on Multimodal Large Language Model
di: Song, Shezheng, et al.
Pubblicazione: (2023)

Safety at Scale: A Comprehensive Survey of Large Model and Agent Safety
di: Ma, Xingjun, et al.
Pubblicazione: (2025)

AviationLMM: A Large Multimodal Foundation Model for Civil Aviation
di: Li, Wenbin, et al.
Pubblicazione: (2026)

MM-BrowseComp: A Comprehensive Benchmark for Multimodal Browsing Agents
di: Li, Shilong, et al.
Pubblicazione: (2025)

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation
di: Li, Yan, et al.
Pubblicazione: (2026)

Graphic Design with Large Multimodal Model
di: Cheng, Yutao, et al.
Pubblicazione: (2024)

Single-to-mix Modality Alignment with Multimodal Large Language Model for Document Image Machine Translation
di: Liang, Yupu, et al.
Pubblicazione: (2025)

Model Composition for Multimodal Large Language Models
di: Chen, Chi, et al.
Pubblicazione: (2024)

A Multimodal Automated Interpretability Agent
di: Shaham, Tamar Rott, et al.
Pubblicazione: (2024)

MINOS: A Multimodal Evaluation Model for Bidirectional Generation Between Image and Text
di: Zhang, Junzhe, et al.
Pubblicazione: (2025)

E$^2$AT: Multimodal Jailbreak Defense via Dynamic Joint Optimization for Multimodal Large Language Models
di: Lu, Liming, et al.
Pubblicazione: (2025)

Robust Multimodal Large Language Models Against Modality Conflict
di: Zhang, Zongmeng, et al.
Pubblicazione: (2025)

TP-Eval: Tap Multimodal LLMs' Potential in Evaluation by Customizing Prompts
di: Xie, Yuxuan, et al.
Pubblicazione: (2024)

Speed Always Wins: A Survey on Efficient Architectures for Large Language Models
di: Sun, Weigao, et al.
Pubblicazione: (2025)

IW-Bench: Evaluating Large Multimodal Models for Converting Image-to-Web
di: Guo, Hongcheng, et al.
Pubblicazione: (2024)

Mavors: Multi-granularity Video Representation for Multimodal Large Language Model
di: Shi, Yang, et al.
Pubblicazione: (2025)

MME-CoT: Benchmarking Chain-of-Thought in Large Multimodal Models for Reasoning Quality, Robustness, and Efficiency
di: Jiang, Dongzhi, et al.
Pubblicazione: (2025)

LFTR: Learning-Free Token Reduction for Multimodal Large Language Models
di: Zhao, Zihui, et al.
Pubblicazione: (2025)

MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark
di: Chen, Dongping, et al.
Pubblicazione: (2024)

VisualWebInstruct: Scaling up Multimodal Instruction Data through Web Search
di: Jia, Yiming, et al.
Pubblicazione: (2025)

On Pre-training of Multimodal Language Models Customized for Chart Understanding
di: Fan, Wan-Cyuan, et al.
Pubblicazione: (2024)