:: Library Catalog

Salvato in:

Dettagli Bibliografici
Autori principali:	Yao, Huanjin, Huang, Jiaxing, Wu, Wenhao, Zhang, Jingyi, Wang, Yibo, Liu, Shunyu, Wang, Yingjie, Song, Yuxin, Feng, Haocheng, Shen, Li, Tao, Dacheng
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	https://arxiv.org/abs/2412.18319
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

R1-VL: Learning to Reason with Multimodal Large Language Models via Step-wise Group Relative Policy Optimization
di: Zhang, Jingyi, et al.
Pubblicazione: (2025)

R1-ShareVL: Incentivizing Reasoning Capability of Multimodal Large Language Models via Share-GRPO
di: Yao, Huanjin, et al.
Pubblicazione: (2025)

A Survey on Agentic Multimodal Large Language Models
di: Yao, Huanjin, et al.
Pubblicazione: (2025)

R1-SyntheticVL: Is Synthetic Data from Generative Models Ready for Multimodal Large Language Model?
di: Zhang, Jingyi, et al.
Pubblicazione: (2026)

MM-DeepResearch: A Simple and Effective Multimodal Agentic Search Baseline
di: Yao, Huanjin, et al.
Pubblicazione: (2026)

MMReason: An Open-Ended Multi-Modal Multi-Step Reasoning Benchmark for MLLMs Toward AGI
di: Yao, Huanjin, et al.
Pubblicazione: (2025)

R1-Compress: Long Chain-of-Thought Compression via Chunk Compression and Search
di: Wang, Yibo, et al.
Pubblicazione: (2025)

Panacea: Mitigating Harmful Fine-tuning for Large Language Models via Post-fine-tuning Perturbation
di: Wang, Yibo, et al.
Pubblicazione: (2025)

Multimodal Reasoning Agent for Zero-Shot Composed Image Retrieval
di: Tu, Rong-Cheng, et al.
Pubblicazione: (2025)

MLLM-Guided VLM Fine-Tuning with Joint Inference for Zero-Shot Composed Image Retrieval
di: Tu, Rong-Cheng, et al.
Pubblicazione: (2025)

SPAZER: Spatial-Semantic Progressive Reasoning Agent for Zero-shot 3D Visual Grounding
di: Jin, Zhao, et al.
Pubblicazione: (2025)

CoVeR: Conformal Calibration for Versatile and Reliable Autoregressive Next-Token Prediction
di: Chen, Yuzhu, et al.
Pubblicazione: (2025)

Reasoning with Reinforced Functional Token Tuning
di: Zhang, Kongcheng, et al.
Pubblicazione: (2025)

Consistent Paths Lead to Truth: Self-Rewarding Reinforcement Learning for LLM Reasoning
di: Zhang, Kongcheng, et al.
Pubblicazione: (2025)

Dynamic Parallel Tree Search for Efficient LLM Reasoning
di: Ding, Yifu, et al.
Pubblicazione: (2025)

GPT4Vis: What Can GPT-4 Do for Zero-shot Visual Recognition?
di: Wu, Wenhao, et al.
Pubblicazione: (2023)

VisuoThink: Empowering LVLM Reasoning with Multimodal Tree Search
di: Wang, Yikun, et al.
Pubblicazione: (2025)

VTC-R1: Vision-Text Compression for Efficient Long-Context Reasoning
di: Wang, Yibo, et al.
Pubblicazione: (2026)

SPAgent: Adaptive Task Decomposition and Model Selection for General Video Generation and Editing
di: Tu, Rong-Cheng, et al.
Pubblicazione: (2024)

Towards Efficient Multimodal Unified Reasoning Model via Model Merging
di: Yin, Qixiang, et al.
Pubblicazione: (2025)

VORTA: Efficient Video Diffusion via Routing Sparse Attention
di: Sun, Wenhao, et al.
Pubblicazione: (2025)

A Simple "Motivation" Can Enhance Reinforcement Finetuning of Large Reasoning Models
di: Zhang, Junjie, et al.
Pubblicazione: (2025)

Automated Multi-level Preference for MLLMs
di: Zhang, Mengxi, et al.
Pubblicazione: (2024)

VLA-Reasoner: Empowering Vision-Language-Action Models with Reasoning via Online Monte Carlo Tree Search
di: Guo, Wenkai, et al.
Pubblicazione: (2025)

Graph-Augmented Reasoning: Evolving Step-by-Step Knowledge Graph Retrieval for LLM Reasoning
di: Wu, Wenjie, et al.
Pubblicazione: (2025)

BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning
di: Liang, Siyuan, et al.
Pubblicazione: (2026)

Diffusion Model-Based Video Editing: A Survey
di: Sun, Wenhao, et al.
Pubblicazione: (2024)

Dense Connector for MLLMs
di: Yao, Huanjin, et al.
Pubblicazione: (2024)

Modeling All Response Surfaces in One for Conditional Search Spaces
di: Li, Jiaxing, et al.
Pubblicazione: (2025)

Conformal tubular parameterization and toroidal bending of tube-like surfaces
di: Yao, Shunyu, et al.
Pubblicazione: (2026)

AsymRnR: Video Diffusion Transformers Acceleration with Asymmetric Reduction and Restoration
di: Sun, Wenhao, et al.
Pubblicazione: (2024)

A Theoretical Survey on Foundation Models
di: Fu, Shi, et al.
Pubblicazione: (2024)

MCTS-Reasoning: Monte Carlo Tree Search for LLM Reasoning
di: Towell, Alex
Pubblicazione: (2026)

Interpretable Contrastive Monte Carlo Tree Search Reasoning
di: Gao, Zitian, et al.
Pubblicazione: (2024)

Co‐Fermentation of Saccharomyces cerevisiae and Lactobacillus plantarum Enhances Mulberry Anthocyanin Stability via Amino Acid–Mediated Co‐Pigmentation Mechanisms
di: Xiang Yin, et al.
Pubblicazione: (2026)

RTV-Bench: Benchmarking MLLM Continuous Perception, Understanding and Reasoning through Real-Time Video
di: Xun, Shuhang, et al.
Pubblicazione: (2025)

Safety Reasoning with Guidelines
di: Wang, Haoyu, et al.
Pubblicazione: (2025)

Why Self-Rewarding Works: Theoretical Guarantees for Iterative Alignment of Language Models
di: Fu, Shi, et al.
Pubblicazione: (2026)

Quantum Energy Teleportation versus Information Teleportation
di: Wang, Jinzhao, et al.
Pubblicazione: (2024)

Virgo: A Preliminary Exploration on Reproducing o1-like MLLM
di: Du, Yifan, et al.
Pubblicazione: (2025)