Mulberry: Empowering MLLM with o1-like Reasoning and Reflection via Collective Monte Carlo Tree Search

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Huanjin, Huang, Jiaxing, Wu, Wenhao, Zhang, Jingyi, Wang, Yibo, Liu, Shunyu, Wang, Yingjie, Song, Yuxin, Feng, Haocheng, Shen, Li, Tao, Dacheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Dense Connector for MLLMs
von: Yao, Huanjin, et al.
Veröffentlicht: (2024)

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

GraphScout: Empowering Large Language Models with Intrinsic Exploration Ability for Agentic Graph Reasoning
von: Ying, Yuchen, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

Safety Reasoning with Guidelines
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

Boosting MLLM Reasoning with Text-Debiased Hint-GRPO
von: Huang, Qihan, et al.
Veröffentlicht: (2025)

CoLoGen: Progressive Learning of Concept-Localization Duality for Unified Image Generation
von: Song, YuXin, et al.
Veröffentlicht: (2026)