Many-Shot In-Context Learning in Multimodal Foundation Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Jiang, Yixing, Irvin, Jeremy, Wang, Ji Hun, Chaudhry, Muhammad Ahmed, Chen, Jonathan H., Ng, Andrew Y. |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
Multimodal Task Vectors Enable Many-Shot Multimodal In-Context Learning
di: Huang, Brandon, et al.
Pubblicazione: (2024)
di: Huang, Brandon, et al.
Pubblicazione: (2024)
CloudTracks: A Dataset for Localizing Ship Tracks in Satellite Images of Clouds
di: Chaudhry, Muhammad Ahmed, et al.
Pubblicazione: (2024)
di: Chaudhry, Muhammad Ahmed, et al.
Pubblicazione: (2024)
Zero-Shot Scene Understanding with Multimodal Large Language Models for Automated Vehicles
di: Elhenawy, Mohammed, et al.
Pubblicazione: (2025)
di: Elhenawy, Mohammed, et al.
Pubblicazione: (2025)
From Sight to Insight: Improving Visual Reasoning Capabilities of Multimodal Models via Reinforcement Learning
di: Sharif, Omar, et al.
Pubblicazione: (2026)
di: Sharif, Omar, et al.
Pubblicazione: (2026)
Large Multilingual Models Pivot Zero-Shot Multimodal Learning across Languages
di: Hu, Jinyi, et al.
Pubblicazione: (2023)
di: Hu, Jinyi, et al.
Pubblicazione: (2023)
Toward Robust Multimodal Learning using Multimodal Foundational Models
di: Zhao, Xianbing, et al.
Pubblicazione: (2024)
di: Zhao, Xianbing, et al.
Pubblicazione: (2024)
Learning How To Ask: Cycle-Consistency Refines Prompts in Multimodal Foundation Models
di: Diesendruck, Maurice, et al.
Pubblicazione: (2024)
di: Diesendruck, Maurice, et al.
Pubblicazione: (2024)
Evaluating Linguistic Capabilities of Multimodal LLMs in the Lens of Few-Shot Learning
di: Dogan, Mustafa, et al.
Pubblicazione: (2024)
di: Dogan, Mustafa, et al.
Pubblicazione: (2024)
Make LVLMs Focus: Context-Aware Attention Modulation for Better Multimodal In-Context Learning
di: Li, Yanshu, et al.
Pubblicazione: (2025)
di: Li, Yanshu, et al.
Pubblicazione: (2025)
FutureOmni: Evaluating Future Forecasting from Omni-Modal Context for Multimodal LLMs
di: Chen, Qian, et al.
Pubblicazione: (2026)
di: Chen, Qian, et al.
Pubblicazione: (2026)
Benchmarking Zero-Shot Robustness of Multimodal Foundation Models: A Pilot Study
di: Wang, Chenguang, et al.
Pubblicazione: (2024)
di: Wang, Chenguang, et al.
Pubblicazione: (2024)
CoLA: Cross-Modal Low-rank Adaptation for Multimodal Downstream Tasks
di: Suharitdamrong, Wish, et al.
Pubblicazione: (2026)
di: Suharitdamrong, Wish, et al.
Pubblicazione: (2026)
ZALM3: Zero-Shot Enhancement of Vision-Language Alignment via In-Context Information in Multi-Turn Multimodal Medical Dialogue
di: Li, Zhangpu, et al.
Pubblicazione: (2024)
di: Li, Zhangpu, et al.
Pubblicazione: (2024)
Towards Zero-Shot Anomaly Detection and Reasoning with Multimodal Large Language Models
di: Xu, Jiacong, et al.
Pubblicazione: (2025)
di: Xu, Jiacong, et al.
Pubblicazione: (2025)
The Power of Many: Multi-Agent Multimodal Models for Cultural Image Captioning
di: Bai, Longju, et al.
Pubblicazione: (2024)
di: Bai, Longju, et al.
Pubblicazione: (2024)
OmChat: A Recipe to Train Multimodal Language Models with Strong Long Context and Video Understanding
di: Zhao, Tiancheng, et al.
Pubblicazione: (2024)
di: Zhao, Tiancheng, et al.
Pubblicazione: (2024)
Kosmos-G: Generating Images in Context with Multimodal Large Language Models
di: Pan, Xichen, et al.
Pubblicazione: (2023)
di: Pan, Xichen, et al.
Pubblicazione: (2023)
CODIS: Benchmarking Context-Dependent Visual Comprehension for Multimodal Large Language Models
di: Luo, Fuwen, et al.
Pubblicazione: (2024)
di: Luo, Fuwen, et al.
Pubblicazione: (2024)
Multimodal LLMs Can Reason about Aesthetics in Zero-Shot
di: Jiang, Ruixiang, et al.
Pubblicazione: (2025)
di: Jiang, Ruixiang, et al.
Pubblicazione: (2025)
Summarize the Past to Predict the Future: Natural Language Descriptions of Context Boost Multimodal Object Interaction Anticipation
di: Pasca, Razvan-George, et al.
Pubblicazione: (2023)
di: Pasca, Razvan-George, et al.
Pubblicazione: (2023)
Multimodal Abstractive Summarization of Instructional Videos with Vision-Language Models
di: Nazir, Maham, et al.
Pubblicazione: (2026)
di: Nazir, Maham, et al.
Pubblicazione: (2026)
MathScape: Benchmarking Multimodal Large Language Models in Real-World Mathematical Contexts
di: Liang, Hao, et al.
Pubblicazione: (2024)
di: Liang, Hao, et al.
Pubblicazione: (2024)
On Many-Shot In-Context Learning for Long-Context Evaluation
di: Zou, Kaijian, et al.
Pubblicazione: (2024)
di: Zou, Kaijian, et al.
Pubblicazione: (2024)
Intern-S1: A Scientific Multimodal Foundation Model
di: Bai, Lei, et al.
Pubblicazione: (2025)
di: Bai, Lei, et al.
Pubblicazione: (2025)
Scaling Beyond Context: A Survey of Multimodal Retrieval-Augmented Generation for Document Understanding
di: Gao, Sensen, et al.
Pubblicazione: (2025)
di: Gao, Sensen, et al.
Pubblicazione: (2025)
Advancing Multimodal In-Context Learning in Large Vision-Language Models with Task-aware Demonstrations
di: Li, Yanshu
Pubblicazione: (2025)
di: Li, Yanshu
Pubblicazione: (2025)
Detecting Offensive Memes with Social Biases in Singapore Context Using Multimodal Large Language Models
di: Yuxuan, Cao, et al.
Pubblicazione: (2025)
di: Yuxuan, Cao, et al.
Pubblicazione: (2025)
No "Zero-Shot" Without Exponential Data: Pretraining Concept Frequency Determines Multimodal Model Performance
di: Udandarao, Vishaal, et al.
Pubblicazione: (2024)
di: Udandarao, Vishaal, et al.
Pubblicazione: (2024)
Common Objects Out of Context (COOCo): Investigating Multimodal Context and Semantic Scene Violations in Referential Communication
di: Merlo, Filippo, et al.
Pubblicazione: (2025)
di: Merlo, Filippo, et al.
Pubblicazione: (2025)
Visual In-Context Learning for Large Vision-Language Models
di: Zhou, Yucheng, et al.
Pubblicazione: (2024)
di: Zhou, Yucheng, et al.
Pubblicazione: (2024)
VidCoM: Fast Video Comprehension through Large Language Models with Multimodal Tools
di: Qi, Ji, et al.
Pubblicazione: (2023)
di: Qi, Ji, et al.
Pubblicazione: (2023)
Learning from Fine-Grained Visual Discrepancies: Mitigating Multimodal Hallucinations via In-Context Visual Contrastive Optimization
di: Deng, Haolin, et al.
Pubblicazione: (2026)
di: Deng, Haolin, et al.
Pubblicazione: (2026)
Intern-S1-Pro: Scientific Multimodal Foundation Model at Trillion Scale
di: Zou, Yicheng, et al.
Pubblicazione: (2026)
di: Zou, Yicheng, et al.
Pubblicazione: (2026)
Can Multimodal Foundation Models Understand Schematic Diagrams? An Empirical Study on Information-Seeking QA over Scientific Papers
di: Zhao, Yilun, et al.
Pubblicazione: (2025)
di: Zhao, Yilun, et al.
Pubblicazione: (2025)
Enhancing Few-Shot Vision-Language Classification with Large Multimodal Model Features
di: Mitra, Chancharik, et al.
Pubblicazione: (2024)
di: Mitra, Chancharik, et al.
Pubblicazione: (2024)
GalleryGPT: Analyzing Paintings with Large Multimodal Models
di: Bin, Yi, et al.
Pubblicazione: (2024)
di: Bin, Yi, et al.
Pubblicazione: (2024)
Analyzing Reasoning Consistency in Large Multimodal Models under Cross-Modal Conflicts
di: Zhu, Zhihao, et al.
Pubblicazione: (2026)
di: Zhu, Zhihao, et al.
Pubblicazione: (2026)
LLaVA-Critic: Learning to Evaluate Multimodal Models
di: Xiong, Tianyi, et al.
Pubblicazione: (2024)
di: Xiong, Tianyi, et al.
Pubblicazione: (2024)
See, Explain, and Intervene: A Few-Shot Multimodal Agent Framework for Hateful Meme Moderation
di: Rizwan, Naquee, et al.
Pubblicazione: (2026)
di: Rizwan, Naquee, et al.
Pubblicazione: (2026)
Context-Aware Multimodal Pretraining
di: Roth, Karsten, et al.
Pubblicazione: (2024)
di: Roth, Karsten, et al.
Pubblicazione: (2024)
Documenti analoghi
-
Multimodal Task Vectors Enable Many-Shot Multimodal In-Context Learning
di: Huang, Brandon, et al.
Pubblicazione: (2024) -
CloudTracks: A Dataset for Localizing Ship Tracks in Satellite Images of Clouds
di: Chaudhry, Muhammad Ahmed, et al.
Pubblicazione: (2024) -
Zero-Shot Scene Understanding with Multimodal Large Language Models for Automated Vehicles
di: Elhenawy, Mohammed, et al.
Pubblicazione: (2025) -
From Sight to Insight: Improving Visual Reasoning Capabilities of Multimodal Models via Reinforcement Learning
di: Sharif, Omar, et al.
Pubblicazione: (2026) -
Large Multilingual Models Pivot Zero-Shot Multimodal Learning across Languages
di: Hu, Jinyi, et al.
Pubblicazione: (2023)