Buchumschlag

A Review of Mechanistic Models of Event Comprehension

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Nguyen, Tan T.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computation and Language Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Role of Language Models in Modern Healthcare: A Comprehensive Review
von: Khalid, Amna, et al.
Veröffentlicht: (2024)

Advancing Object Detection in Transportation with Multimodal Large Language Models (MLLMs): A Comprehensive Review and Empirical Testing
von: Ashqar, Huthaifa I., et al.
Veröffentlicht: (2024)

A Comprehensive Review of Sign Language Recognition: Different Types, Modalities, and Datasets
von: Madhiarasan, M., et al.
Veröffentlicht: (2022)

Vision-Language Models for Edge Networks: A Comprehensive Survey
von: Sharshar, Ahmed, et al.
Veröffentlicht: (2025)

FlagEvalMM: A Flexible Framework for Comprehensive Multimodal Model Evaluation
von: He, Zheqi, et al.
Veröffentlicht: (2025)

UniSAFE: A Comprehensive Benchmark for Safety Evaluation of Unified Multimodal Models
von: Lee, Segyu, et al.
Veröffentlicht: (2026)

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

Enhancing Adverse Drug Event Detection with Multimodal Dataset: Corpus Creation and Model Development
von: Sahoo, Pranab, et al.
Veröffentlicht: (2024)

VEGA: Learning Interleaved Image-Text Comprehension in Vision-Language Large Models
von: Zhou, Chenyu, et al.
Veröffentlicht: (2024)

Large Multi-modal Model Cartographic Map Comprehension for Textual Locality Georeferencing
von: Wijegunarathna, Kalana, et al.
Veröffentlicht: (2025)

OmniSpatial: Towards Comprehensive Spatial Reasoning Benchmark for Vision Language Models
von: Jia, Mengdi, et al.
Veröffentlicht: (2025)

The Reasoning Boundary Paradox: How Reinforcement Learning Constrains Language Models
von: Nguyen, Phuc Minh, et al.
Veröffentlicht: (2025)

YesBut: A High-Quality Annotated Multimodal Dataset for evaluating Satire Comprehension capability of Vision-Language Models
von: Nandy, Abhilash, et al.
Veröffentlicht: (2024)

In-Depth and In-Breadth: Pre-training Multimodal Language Models Customized for Comprehensive Chart Understanding
von: Fan, Wan-Cyuan, et al.
Veröffentlicht: (2025)

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

A Novel Framework for Automated Explain Vision Model Using Vision-Language Models
von: Nguyen, Phu-Vinh, et al.
Veröffentlicht: (2025)

HNC: Leveraging Hard Negative Captions towards Models with Fine-Grained Visual-Linguistic Comprehension Capabilities
von: Dönmez, Esra, et al.
Veröffentlicht: (2026)

EmbodiedBench: Comprehensive Benchmarking Multi-modal Large Language Models for Vision-Driven Embodied Agents
von: Yang, Rui, et al.
Veröffentlicht: (2025)

MuirBench: A Comprehensive Benchmark for Robust Multi-image Understanding
von: Wang, Fei, et al.
Veröffentlicht: (2024)

MedRepBench: A Comprehensive Benchmark for Medical Report Interpretation
von: Shang, Fangxin, et al.
Veröffentlicht: (2025)

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

Fostering Video Reasoning via Next-Event Prediction
von: Wang, Haonan, et al.
Veröffentlicht: (2025)

MindBench: A Comprehensive Benchmark for Mind Map Structure Recognition and Analysis
von: Chen, Lei, et al.
Veröffentlicht: (2024)

VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning
von: Qi, Yukun, et al.
Veröffentlicht: (2025)

Reviving Cultural Heritage: A Novel Approach for Comprehensive Historical Document Restoration
von: Zhang, Yuyi, et al.
Veröffentlicht: (2025)

Improved GUI Grounding via Iterative Narrowing
von: Nguyen, Anthony
Veröffentlicht: (2024)

Dr. DocBench: A Comprehensive Benchmark for Expert-Level and Difficult Document Parsing
von: Yang, Minglai, et al.
Veröffentlicht: (2026)

VLKEB: A Large Vision-Language Model Knowledge Editing Benchmark
von: Huang, Han, et al.
Veröffentlicht: (2024)

Object Detection with Multimodal Large Vision-Language Models: An In-depth Review
von: Sapkota, Ranjan, et al.
Veröffentlicht: (2025)

DocSplit: A Comprehensive Benchmark Dataset and Evaluation Approach for Document Packet Recognition and Splitting
von: Islam, Md Mofijul, et al.
Veröffentlicht: (2026)

Face-Human-Bench: A Comprehensive Benchmark of Face and Human Understanding for Multi-modal Assistants
von: Qin, Lixiong, et al.
Veröffentlicht: (2025)

A Systematic Review of Open Datasets Used in Text-to-Image (T2I) Gen AI Model Safety
von: Rouf, Rakeen, et al.
Veröffentlicht: (2025)

InsTALL: Context-aware Instructional Task Assistance with Multi-modal Large Language Models
von: Nguyen, Pha, et al.
Veröffentlicht: (2025)

Bharat Scene Text: A Novel Comprehensive Dataset and Benchmark for Indian Language Scene Text Understanding
von: De, Anik, et al.
Veröffentlicht: (2025)

MMMG: a Comprehensive and Reliable Evaluation Suite for Multitask Multimodal Generation
von: Yao, Jihan, et al.
Veröffentlicht: (2025)

TokLIP: Marry Visual Tokens to CLIP for Multimodal Comprehension and Generation
von: Lin, Haokun, et al.
Veröffentlicht: (2025)

Referring Expression Generation in Visually Grounded Dialogue with Discourse-aware Comprehension Guiding
von: Willemsen, Bram, et al.
Veröffentlicht: (2024)

ReMeREC: Relation-aware and Multi-entity Referring Expression Comprehension
von: Hu, Yizhi, et al.
Veröffentlicht: (2025)

MomentumSMoE: Integrating Momentum into Sparse Mixture of Experts
von: Teo, Rachel S. Y., et al.
Veröffentlicht: (2024)

Unveiling the Hidden Structure of Self-Attention via Kernel Principal Component Analysis
von: Teo, Rachel S. Y., et al.
Veröffentlicht: (2024)