M4U: Evaluating Multilingual Understanding and Reasoning for Large Multimodal Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Wang, Hongyu, Xu, Jiayu, Xie, Senwei, Wang, Ruiping, Li, Jialin, Xie, Zhaojie, Zhang, Bin, Xiong, Chuyan, Chen, Xilin |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
par: Wang, Hongyu, et autres
Publié: (2025)
par: Wang, Hongyu, et autres
Publié: (2025)
Robotic Programmer: Video Instructed Policy Code Generation for Robotic Manipulation
par: Xie, Senwei, et autres
Publié: (2025)
par: Xie, Senwei, et autres
Publié: (2025)
Blocks as Probes: Dissecting Categorization Ability of Large Multimodal Models
par: Fu, Bin, et autres
Publié: (2024)
par: Fu, Bin, et autres
Publié: (2024)
MoTE: Mixture of Ternary Experts for Memory-efficient Large Multimodal Models
par: Wang, Hongyu, et autres
Publié: (2025)
par: Wang, Hongyu, et autres
Publié: (2025)
GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting
par: Li, Jialin, et autres
Publié: (2026)
par: Li, Jialin, et autres
Publié: (2026)
GS-LTS: 3D Gaussian Splatting-Based Adaptive Modeling for Long-Term Service Robots
par: Fu, Bin, et autres
Publié: (2025)
par: Fu, Bin, et autres
Publié: (2025)
Plug-and-Play Grounding of Reasoning in Multimodal Large Language Models
par: Chen, Jiaxing, et autres
Publié: (2024)
par: Chen, Jiaxing, et autres
Publié: (2024)
SPORTU: A Comprehensive Sports Understanding Benchmark for Multimodal Large Language Models
par: Xia, Haotian, et autres
Publié: (2024)
par: Xia, Haotian, et autres
Publié: (2024)
Large Multilingual Models Pivot Zero-Shot Multimodal Learning across Languages
par: Hu, Jinyi, et autres
Publié: (2023)
par: Hu, Jinyi, et autres
Publié: (2023)
Multilingual OCR-Aware Fine-Tuning and Prompt-Guided Chain-of-Thought Reasoning for Multimodal Large Language Models
par: Xu, Qinwu, et autres
Publié: (2026)
par: Xu, Qinwu, et autres
Publié: (2026)
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)
VisKnow: Constructing Visual Knowledge Base for Object Understanding
par: Yao, Ziwei, et autres
Publié: (2025)
par: Yao, Ziwei, et autres
Publié: (2025)
Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models
par: Li, Yunxin, et autres
Publié: (2025)
par: Li, Yunxin, et autres
Publié: (2025)
Can Large Vision-Language Models Understand Multimodal Sarcasm?
par: Wang, Xinyu, et autres
Publié: (2025)
par: Wang, Xinyu, et autres
Publié: (2025)
Integrating Fine-Grained Audio-Visual Evidence for Robust Multimodal Emotion Reasoning
par: Zhao, Zhixian, et autres
Publié: (2026)
par: Zhao, Zhixian, et autres
Publié: (2026)
Redefining <Creative> in Dictionary: Towards an Enhanced Semantic Understanding of Creative Generation
par: Feng, Fu, et autres
Publié: (2024)
par: Feng, Fu, et autres
Publié: (2024)
Unleashing Spatial Reasoning in Multimodal Large Language Models via Textual Representation Guided Reasoning
par: Hua, Jiacheng, et autres
Publié: (2026)
par: Hua, Jiacheng, et autres
Publié: (2026)
Maya: An Instruction Finetuned Multilingual Multimodal Model
par: Alam, Nahid, et autres
Publié: (2024)
par: Alam, Nahid, et autres
Publié: (2024)
PM4Bench: Benchmarking Large Vision-Language Models with Parallel Multilingual Multi-Modal Multi-task Corpus
par: Gao, Junyuan, et autres
Publié: (2025)
par: Gao, Junyuan, et autres
Publié: (2025)
Rethinking Multilingual Vision-Language Translation: Dataset, Evaluation, and Adaptation
par: Wang, Xintong, et autres
Publié: (2025)
par: Wang, Xintong, et autres
Publié: (2025)
M4-RAG: A Massive-Scale Multilingual Multi-Cultural Multimodal RAG
par: Anugraha, David, et autres
Publié: (2025)
par: Anugraha, David, et autres
Publié: (2025)
Hanfu-Bench: A Multimodal Benchmark on Cross-Temporal Cultural Understanding and Transcreation
par: Zhou, Li, et autres
Publié: (2025)
par: Zhou, Li, et autres
Publié: (2025)
mOSCAR: A Large-scale Multilingual and Multimodal Document-level Corpus
par: Futeral, Matthieu, et autres
Publié: (2024)
par: Futeral, Matthieu, et autres
Publié: (2024)
Lingshu: A Generalist Foundation Model for Unified Multimodal Medical Understanding and Reasoning
par: LASA Team, et autres
Publié: (2025)
par: LASA Team, et autres
Publié: (2025)
MME-Finance: A Multimodal Finance Benchmark for Expert-level Understanding and Reasoning
par: Gan, Ziliang, et autres
Publié: (2024)
par: Gan, Ziliang, et autres
Publié: (2024)
Gemini in Reasoning: Unveiling Commonsense in Multimodal Large Language Models
par: Wang, Yuqing, et autres
Publié: (2023)
par: Wang, Yuqing, et autres
Publié: (2023)
Glance and Focus: Memory Prompting for Multi-Event Video Question Answering
par: Bai, Ziyi, et autres
Publié: (2024)
par: Bai, Ziyi, et autres
Publié: (2024)
AlignMMBench: Evaluating Chinese Multimodal Alignment in Large Vision-Language Models
par: Wu, Yuhang, et autres
Publié: (2024)
par: Wu, Yuhang, et autres
Publié: (2024)
Skywork R1V: Pioneering Multimodal Reasoning with Chain-of-Thought
par: Peng, Yi, et autres
Publié: (2025)
par: Peng, Yi, et autres
Publié: (2025)
Visual Thoughts: A Unified Perspective of Understanding Multimodal Chain-of-Thought
par: Cheng, Zihui, et autres
Publié: (2025)
par: Cheng, Zihui, et autres
Publié: (2025)
Enhancing the Reasoning Ability of Multimodal Large Language Models via Mixed Preference Optimization
par: Wang, Weiyun, et autres
Publié: (2024)
par: Wang, Weiyun, et autres
Publié: (2024)
TimeSoccer: An End-to-End Multimodal Large Language Model for Soccer Commentary Generation
par: You, Ling, et autres
Publié: (2025)
par: You, Ling, et autres
Publié: (2025)
Chitrakshara: A Large Multilingual Multimodal Dataset for Indian languages
par: Khan, Shaharukh, et autres
Publié: (2026)
par: Khan, Shaharukh, et autres
Publié: (2026)
Can Multimodal LLMs do Visual Temporal Understanding and Reasoning? The answer is No!
par: Imam, Mohamed Fazli, et autres
Publié: (2025)
par: Imam, Mohamed Fazli, et autres
Publié: (2025)
Do Multimodal Large Language Models Understand Welding?
par: Khvatskii, Grigorii, et autres
Publié: (2025)
par: Khvatskii, Grigorii, et autres
Publié: (2025)
Towards Zero-Shot Anomaly Detection and Reasoning with Multimodal Large Language Models
par: Xu, Jiacong, et autres
Publié: (2025)
par: Xu, Jiacong, et autres
Publié: (2025)
LLaVA-Critic: Learning to Evaluate Multimodal Models
par: Xiong, Tianyi, et autres
Publié: (2024)
par: Xiong, Tianyi, et autres
Publié: (2024)
Large Multimodal Agents: A Survey
par: Xie, Junlin, et autres
Publié: (2024)
par: Xie, Junlin, et autres
Publié: (2024)
RoboPCA: Pose-centered Affordance Learning from Human Demonstrations for Robot Manipulation
par: Xiao, Zhanqi, et autres
Publié: (2026)
par: Xiao, Zhanqi, et autres
Publié: (2026)
Q-Sparse: All Large Language Models can be Fully Sparsely-Activated
par: Wang, Hongyu, et autres
Publié: (2024)
par: Wang, Hongyu, et autres
Publié: (2024)
Documents similaires
-
BitVLA: 1-bit Vision-Language-Action Models for Robotics Manipulation
par: Wang, Hongyu, et autres
Publié: (2025) -
Robotic Programmer: Video Instructed Policy Code Generation for Robotic Manipulation
par: Xie, Senwei, et autres
Publié: (2025) -
Blocks as Probes: Dissecting Categorization Ability of Large Multimodal Models
par: Fu, Bin, et autres
Publié: (2024) -
MoTE: Mixture of Ternary Experts for Memory-efficient Large Multimodal Models
par: Wang, Hongyu, et autres
Publié: (2025) -
GEAR: GEometry-motion Alternating Refinement for Articulated Object Modeling with Gaussian Splatting
par: Li, Jialin, et autres
Publié: (2026)