Buchumschlag

Assessment of Multimodal Large Language Models in Alignment with Human Values

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shi, Zhelun, Wang, Zhipin, Fan, Hongxing, Zhang, Zaibin, Li, Lijun, Zhang, Yongting, Yin, Zhenfei, Sheng, Lu, Qiao, Yu, Shao, Jing
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RH20T-P: A Primitive-Level Robotic Dataset Towards Composable Generalization Agents
von: Chen, Zeren, et al.
Veröffentlicht: (2024)

SPA-VL: A Comprehensive Safety Preference Alignment Dataset for Vision Language Model
von: Zhang, Yongting, et al.
Veröffentlicht: (2024)

PsySafe: A Comprehensive Framework for Psychological-based Attack, Defense, and Evaluation of Multi-agent System Safety
von: Zhang, Zaibin, et al.
Veröffentlicht: (2024)

From GPT-4 to Gemini and Beyond: Assessing the Landscape of MLLMs on Generalizability, Trustworthiness and Causality through Four Modalities
von: Lu, Chaochao, et al.
Veröffentlicht: (2024)

WorldSimBench: Towards Video Generation Models as World Simulators
von: Qin, Yiran, et al.
Veröffentlicht: (2024)

MineDreamer: Learning to Follow Instructions via Chain-of-Imagination for Simulated-World Control
von: Zhou, Enshen, et al.
Veröffentlicht: (2024)

MP5: A Multi-modal Open-ended Embodied System in Minecraft via Active Perception
von: Qin, Yiran, et al.
Veröffentlicht: (2023)

BEV-IO: Enhancing Bird's-Eye-View 3D Detection with Instance Occupancy
von: Zhang, Zaibin, et al.
Veröffentlicht: (2023)

Systematic Reward Gap Optimization for Mitigating VLM Hallucinations
von: He, Lehan, et al.
Veröffentlicht: (2024)

ProGuard: Towards Proactive Multimodal Safeguard
von: Yu, Shaohan, et al.
Veröffentlicht: (2025)

AD-H: Language-guided Autonomous Driving with Hierarchical Agents
von: Zhang, Zaibin, et al.
Veröffentlicht: (2024)

Think3D: Thinking with Space for Spatial Reasoning
von: Zhang, Zaibin, et al.
Veröffentlicht: (2026)

From Parts to Whole: A Unified Reference Framework for Controllable Human Image Generation
von: Huang, Zehuan, et al.
Veröffentlicht: (2024)

UniFork: Exploring Modality Alignment for Unified Multimodal Understanding and Generation
von: Li, Teng, et al.
Veröffentlicht: (2025)

Octavius: Mitigating Task Interference in MLLMs via LoRA-MoE
von: Chen, Zeren, et al.
Veröffentlicht: (2023)

Modality Gap-Driven Subspace Alignment Training Paradigm For Multimodal Large Language Models
von: Yu, Xiaomin, et al.
Veröffentlicht: (2026)

EndoBench: A Comprehensive Evaluation of Multi-Modal Large Language Models for Endoscopy Analysis
von: Liu, Shengyuan, et al.
Veröffentlicht: (2025)

InterMoE: Individual-Specific 3D Human Interaction Generation via Dynamic Temporal-Selective MoE
von: Wang, Lipeng, et al.
Veröffentlicht: (2025)

Reasoning-Driven Amodal Completion: Collaborative Agents and Perceptual Evaluation
von: Fan, Hongxing, et al.
Veröffentlicht: (2025)

Debiasing Multimodal Large Language Models via Penalization of Language Priors
von: Zhang, YiFan, et al.
Veröffentlicht: (2024)

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

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

MMIU: Multimodal Multi-image Understanding for Evaluating Large Vision-Language Models
von: Meng, Fanqing, et al.
Veröffentlicht: (2024)

The Photographer Eye: Teaching Multimodal Large Language Models to Understand Image Aesthetics like Photographers
von: Qi, Daiqing, et al.
Veröffentlicht: (2025)

Depicting Beyond Scores: Advancing Image Quality Assessment through Multi-modal Language Models
von: You, Zhiyuan, et al.
Veröffentlicht: (2023)

Self-adaptive Dataset Construction for Real-World Multimodal Safety Scenarios
von: Qu, Jingen, et al.
Veröffentlicht: (2025)

Ovis: Structural Embedding Alignment for Multimodal Large Language Model
von: Lu, Shiyin, et al.
Veröffentlicht: (2024)

Task Preference Optimization: Improving Multimodal Large Language Models with Vision Task Alignment
von: Yan, Ziang, et al.
Veröffentlicht: (2024)

ReDiPrune: Relevance-Diversity Pre-Projection Token Pruning for Efficient Multimodal LLMs
von: Yu, An, et al.
Veröffentlicht: (2026)

ChartAssisstant: A Universal Chart Multimodal Language Model via Chart-to-Table Pre-training and Multitask Instruction Tuning
von: Meng, Fanqing, et al.
Veröffentlicht: (2024)

B-VLLM: A Vision Large Language Model with Balanced Spatio-Temporal Tokens
von: Lu, Zhuqiang, et al.
Veröffentlicht: (2024)

Semantic Alignment for Multimodal Large Language Models
von: Wu, Tao, et al.
Veröffentlicht: (2024)

TreeTeaming: Autonomous Red-Teaming of Vision-Language Models via Hierarchical Strategy Exploration
von: Li, Chunxiao, et al.
Veröffentlicht: (2026)

AlignMMBench: Evaluating Chinese Multimodal Alignment in Large Vision-Language Models
von: Wu, Yuhang, et al.
Veröffentlicht: (2024)

Towards Tracing Trustworthiness Dynamics: Revisiting Pre-training Period of Large Language Models
von: Qian, Chen, et al.
Veröffentlicht: (2024)

A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models
von: Li, Duo, et al.
Veröffentlicht: (2025)

Gastric-X: A Multimodal Multi-Phase Benchmark Dataset for Advancing Vision-Language Models in Gastric Cancer Analysis
von: Lu, Sheng, et al.
Veröffentlicht: (2026)

OLMD: Orientation-aware Long-term Motion Decoupling for Continuous Sign Language Recognition
von: Yu, Yiheng, et al.
Veröffentlicht: (2025)

Safety of Multimodal Large Language Models on Images and Texts
von: Liu, Xin, et al.
Veröffentlicht: (2024)

VIVA: A Benchmark for Vision-Grounded Decision-Making with Human Values
von: Hu, Zhe, et al.
Veröffentlicht: (2024)