Fact :Teaching MLLMs with Faithful, Concise and Transferable Rationales
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Gao, Minghe, Chen, Shuang, Pang, Liang, Yao, Yuan, Dang, Jisheng, Zhang, Wenqiao, Li, Juncheng, Tang, Siliang, Zhuang, Yueting, Chua, Tat-Seng |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
InstructVid2Vid: Controllable Video Editing with Natural Language Instructions
par: Qin, Bosheng, et autres
Publié: (2023)
par: Qin, Bosheng, et autres
Publié: (2023)
Fine-tuning Multimodal LLMs to Follow Zero-shot Demonstrative Instructions
par: Li, Juncheng, et autres
Publié: (2023)
par: Li, Juncheng, et autres
Publié: (2023)
Benchmarking Multimodal CoT Reward Model Stepwise by Visual Program
par: Gao, Minghe, et autres
Publié: (2025)
par: Gao, Minghe, et autres
Publié: (2025)
STEP: Enhancing Video-LLMs' Compositional Reasoning by Spatio-Temporal Graph-guided Self-Training
par: Qiu, Haiyi, et autres
Publié: (2024)
par: Qiu, Haiyi, et autres
Publié: (2024)
De-fine: Decomposing and Refining Visual Programs with Auto-Feedback
par: Gao, Minghe, et autres
Publié: (2023)
par: Gao, Minghe, et autres
Publié: (2023)
Boosting Virtual Agent Learning and Reasoning: A Step-Wise, Multi-Dimensional, and Generalist Reward Model with Benchmark
par: Miao, Bingchen, et autres
Publié: (2025)
par: Miao, Bingchen, et autres
Publié: (2025)
Iris: Breaking GUI Complexity with Adaptive Focus and Self-Refining
par: Ge, Zhiqi, et autres
Publié: (2024)
par: Ge, Zhiqi, et autres
Publié: (2024)
CrossView Suite: Harnessing Cross-view Spatial Intelligence of MLLMs with Dataset, Model and Benchmark
par: Wang, Wei, et autres
Publié: (2026)
par: Wang, Wei, et autres
Publié: (2026)
Momentor: Advancing Video Large Language Model with Fine-Grained Temporal Reasoning
par: Qian, Long, et autres
Publié: (2024)
par: Qian, Long, et autres
Publié: (2024)
Auto-Encoding Morph-Tokens for Multimodal LLM
par: Pan, Kaihang, et autres
Publié: (2024)
par: Pan, Kaihang, et autres
Publié: (2024)
Graft: Integrating the Domain Knowledge via Efficient Parameter Synergy for MLLMs
par: Dai, Yang, et autres
Publié: (2025)
par: Dai, Yang, et autres
Publié: (2025)
SOYO: A Tuning-Free Approach for Video Style Morphing via Style-Adaptive Interpolation in Diffusion Models
par: Zheng, Haoyu, et autres
Publié: (2025)
par: Zheng, Haoyu, et autres
Publié: (2025)
InstructSAM: Segment Any Instance with Any Instructions
par: Yuan, Yuqian, et autres
Publié: (2026)
par: Yuan, Yuqian, et autres
Publié: (2026)
IDEAL: Leveraging Infinite and Dynamic Characterizations of Large Language Models for Query-focused Summarization
par: Cao, Jie, et autres
Publié: (2024)
par: Cao, Jie, et autres
Publié: (2024)
Bridging Local Details and Global Context in Text-Attributed Graphs
par: Wang, Yaoke, et autres
Publié: (2024)
par: Wang, Yaoke, et autres
Publié: (2024)
DuetRAG: Collaborative Retrieval-Augmented Generation
par: Jiao, Dian, et autres
Publié: (2024)
par: Jiao, Dian, et autres
Publié: (2024)
Long-Term TalkingFace Generation via Motion-Prior Conditional Diffusion Model
par: Shen, Fei, et autres
Publié: (2025)
par: Shen, Fei, et autres
Publié: (2025)
KCM: KAN-Based Collaboration Models Enhance Pretrained Large Models
par: Dai, Guangyu, et autres
Publié: (2025)
par: Dai, Guangyu, et autres
Publié: (2025)
Robust Modality-incomplete Anomaly Detection: A Modality-instructive Framework with Benchmark
par: Miao, Bingchen, et autres
Publié: (2024)
par: Miao, Bingchen, et autres
Publié: (2024)
Generalist Virtual Agents: A Survey on Autonomous Agents Across Digital Platforms
par: Gao, Minghe, et autres
Publié: (2024)
par: Gao, Minghe, et autres
Publié: (2024)
Fast Thinking for Large Language Models
par: Zheng, Haoyu, et autres
Publié: (2025)
par: Zheng, Haoyu, et autres
Publié: (2025)
MoA: Heterogeneous Mixture of Adapters for Parameter-Efficient Fine-Tuning of Large Language Models
par: Cao, Jie, et autres
Publié: (2025)
par: Cao, Jie, et autres
Publié: (2025)
SpatialFusion: Endowing Unified Image Generation with Intrinsic 3D Geometric Awareness
par: Qiu, Haiyi, et autres
Publié: (2026)
par: Qiu, Haiyi, et autres
Publié: (2026)
Mastering Collaborative Multi-modal Data Selection: A Focus on Informativeness, Uniqueness, and Representativeness
par: Yu, Qifan, et autres
Publié: (2024)
par: Yu, Qifan, et autres
Publié: (2024)
Towards Meta-Cognitive Knowledge Editing for Multimodal LLMs
par: Fan, Zhaoyu, et autres
Publié: (2025)
par: Fan, Zhaoyu, et autres
Publié: (2025)
CORE: Code-based Inverse Self-Training Framework with Graph Expansion for Virtual Agents
par: Wang, Keyu, et autres
Publié: (2026)
par: Wang, Keyu, et autres
Publié: (2026)
LASER: Tuning-Free LLM-Driven Attention Control for Efficient Text-conditioned Image-to-Animation
par: Zheng, Haoyu, et autres
Publié: (2024)
par: Zheng, Haoyu, et autres
Publié: (2024)
HalluciDoctor: Mitigating Hallucinatory Toxicity in Visual Instruction Data
par: Yu, Qifan, et autres
Publié: (2023)
par: Yu, Qifan, et autres
Publié: (2023)
Aligning Large Language Models for Faithful Integrity Against Opposing Argument
par: Zhao, Yong, et autres
Publié: (2025)
par: Zhao, Yong, et autres
Publié: (2025)
EOC-Bench: Can MLLMs Identify, Recall, and Forecast Objects in an Egocentric World?
par: Yuan, Yuqian, et autres
Publié: (2025)
par: Yuan, Yuqian, et autres
Publié: (2025)
Boosting Private Domain Understanding of Efficient MLLMs: A Tuning-free, Adaptive, Universal Prompt Optimization Framework
par: Liu, Jiang, et autres
Publié: (2024)
par: Liu, Jiang, et autres
Publié: (2024)
GMFVAD: Using Grained Multi-modal Feature to Improve Video Anomaly Detection
par: Dai, Guangyu, et autres
Publié: (2025)
par: Dai, Guangyu, et autres
Publié: (2025)
MAKIMA: Tuning-free Multi-Attribute Open-domain Video Editing via Mask-Guided Attention Modulation
par: Zheng, Haoyu, et autres
Publié: (2024)
par: Zheng, Haoyu, et autres
Publié: (2024)
WorldGPT: Empowering LLM as Multimodal World Model
par: Ge, Zhiqi, et autres
Publié: (2024)
par: Ge, Zhiqi, et autres
Publié: (2024)
Align$^2$LLaVA: Cascaded Human and Large Language Model Preference Alignment for Multi-modal Instruction Curation
par: Huang, Hongzhe, et autres
Publié: (2024)
par: Huang, Hongzhe, et autres
Publié: (2024)
Compose Your Aesthetics: Empowering Text-to-Image Models with the Principles of Art
par: Jin, Zhe, et autres
Publié: (2025)
par: Jin, Zhe, et autres
Publié: (2025)
What Limits Virtual Agent Application? OmniBench: A Scalable Multi-Dimensional Benchmark for Essential Virtual Agent Capabilities
par: Bu, Wendong, et autres
Publié: (2025)
par: Bu, Wendong, et autres
Publié: (2025)
Search-in-the-Chain: Interactively Enhancing Large Language Models with Search for Knowledge-intensive Tasks
par: Xu, Shicheng, et autres
Publié: (2023)
par: Xu, Shicheng, et autres
Publié: (2023)
I3: Intent-Introspective Retrieval Conditioned on Instructions
par: Pan, Kaihang, et autres
Publié: (2023)
par: Pan, Kaihang, et autres
Publié: (2023)
TeamLoRA: Boosting Low-Rank Adaptation with Expert Collaboration and Competition
par: Lin, Tianwei, et autres
Publié: (2024)
par: Lin, Tianwei, et autres
Publié: (2024)
Documents similaires
-
InstructVid2Vid: Controllable Video Editing with Natural Language Instructions
par: Qin, Bosheng, et autres
Publié: (2023) -
Fine-tuning Multimodal LLMs to Follow Zero-shot Demonstrative Instructions
par: Li, Juncheng, et autres
Publié: (2023) -
Benchmarking Multimodal CoT Reward Model Stepwise by Visual Program
par: Gao, Minghe, et autres
Publié: (2025) -
STEP: Enhancing Video-LLMs' Compositional Reasoning by Spatio-Temporal Graph-guided Self-Training
par: Qiu, Haiyi, et autres
Publié: (2024) -
De-fine: Decomposing and Refining Visual Programs with Auto-Feedback
par: Gao, Minghe, et autres
Publié: (2023)