Buchumschlag

DAMA: Data- and Model-aware Alignment of Multi-modal LLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Jinda, Wu, Junkang, Li, Jinghan, Jia, Xiaojun, Wang, Shuo, Zhang, YiFan, Fang, Junfeng, Wang, Xiang, He, Xiangnan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AdaViP: Aligning Multi-modal LLMs via Adaptive Vision-enhanced Preference Optimization
von: Lu, Jinda, et al.
Veröffentlicht: (2025)

Bridging Perception and Reasoning: Token Reweighting for RLVR in Multimodal LLMs
von: Lu, Jinda, et al.
Veröffentlicht: (2026)

Enhancing Multi-Modal LLMs Reasoning via Difficulty-Aware Group Normalization
von: Li, Jinghan, et al.
Veröffentlicht: (2026)

Beyond Where to Look: Trajectory-Guided Reinforcement Learning for Multimodal RLVR
von: Lu, Jinda, et al.
Veröffentlicht: (2026)

GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Boosting Few-Shot Learning via Attentive Feature Regularization
von: Zhu, Xingyu, et al.
Veröffentlicht: (2024)

UniVLR: Unifying Text and Vision in Visual Latent Reasoning for Multimodal LLMs
von: Jiang, Houcheng, et al.
Veröffentlicht: (2026)

Mitigating Hallucinations in Large Vision-Language Models without Performance Degradation
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Principled Steering via Null-space Projection for Jailbreak Defense in Vision-Language Models
von: Zhu, Xingyu, et al.
Veröffentlicht: (2026)

Cracking the Code of Hallucination in LVLMs with Vision-aware Head Divergence
von: He, Jinghan, et al.
Veröffentlicht: (2024)

Rethinking Visual Content Refinement in Low-Shot CLIP Adaptation
von: Lu, Jinda, et al.
Veröffentlicht: (2024)

Causal-HalBench: Uncovering LVLMs Object Hallucinations Through Causal Intervention
von: Xu, Zhe, et al.
Veröffentlicht: (2025)

LLM-enhanced Action-aware Multi-modal Prompt Tuning for Image-Text Matching
von: Tian, Mengxiao, et al.
Veröffentlicht: (2025)

Multi-level Cross-modal Alignment for Image Clustering
von: Qiu, Liping, et al.
Veröffentlicht: (2024)

DiffGAD: A Diffusion-based Unsupervised Graph Anomaly Detector
von: Li, Jinghan, et al.
Veröffentlicht: (2024)

Multi-modal Instruction Tuned LLMs with Fine-grained Visual Perception
von: He, Junwen, et al.
Veröffentlicht: (2024)

R^2-Mem: Reflective Experience for Memory Search
von: Wang, Xinyuan, et al.
Veröffentlicht: (2026)

Unified Parameter-Efficient Unlearning for LLMs
von: Ding, Chenlu, et al.
Veröffentlicht: (2024)

Liquid: Language Models are Scalable and Unified Multi-modal Generators
von: Wu, Junfeng, et al.
Veröffentlicht: (2024)

InstructEngine: Instruction-driven Text-to-Image Alignment
von: Lu, Xingyu, et al.
Veröffentlicht: (2025)

Enhancing Tree Type Detection in Forest Fire Risk Assessment: Multi-Stage Approach and Color Encoding with Forest Fire Risk Evaluation Framework for UAV Imagery
von: Zhang, Jinda
Veröffentlicht: (2024)

DMPT: Decoupled Modality-aware Prompt Tuning for Multi-modal Object Re-identification
von: Lin, Minghui, et al.
Veröffentlicht: (2025)

3D-aware Image Generation and Editing with Multi-modal Conditions
von: Li, Bo, et al.
Veröffentlicht: (2024)

MOCHA: Multi-modal Objects-aware Cross-arcHitecture Alignment
von: Camuffo, Elena, et al.
Veröffentlicht: (2025)

bi-GRPO: Bidirectional Optimization for Jailbreak Backdoor Injection on LLMs
von: Ji, Wence, et al.
Veröffentlicht: (2025)

Quantile Advantage Estimation: Stabilizing RLVR for LLM Reasoning
von: Wu, Junkang, et al.
Veröffentlicht: (2025)

MCAD: Multi-teacher Cross-modal Alignment Distillation for efficient image-text retrieval
von: Lei, Youbo, et al.
Veröffentlicht: (2023)

Hierarchical Semantic Alignment for Image Clustering
von: Zhu, Xingyu, et al.
Veröffentlicht: (2025)

Learning Procedural-aware Video Representations through State-Grounded Hierarchy Unfolding
von: Zhao, Jinghan, et al.
Veröffentlicht: (2025)

EIMC: Efficient Instance-aware Multi-modal Collaborative Perception
von: Yang, Kang, et al.
Veröffentlicht: (2026)

Larger or Smaller Reward Margins to Select Preferences for Alignment?
von: Huang, Kexin, et al.
Veröffentlicht: (2025)

Multi-modal Generative AI: Multi-modal LLMs, Diffusions, and the Unification
von: Wang, Xin, et al.
Veröffentlicht: (2024)

Accelerating Diffusion Transformer via Gradient-Optimized Cache
von: Qiu, Junxiang, et al.
Veröffentlicht: (2025)

Multi-modal Semantic Understanding with Contrastive Cross-modal Feature Alignment
von: Zhang, Ming, et al.
Veröffentlicht: (2024)

Reliable Cross-modal Alignment via Prototype Iterative Construction
von: Ma, Xiang, et al.
Veröffentlicht: (2025)

SeViCES: Unifying Semantic-Visual Evidence Consensus for Long Video Understanding
von: Sheng, Yuan, et al.
Veröffentlicht: (2025)

End-to-end Open-vocabulary Video Visual Relationship Detection using Multi-modal Prompting
von: Wang, Yongqi, et al.
Veröffentlicht: (2024)

On the Multi-modal Vulnerability of Diffusion Models
von: Yang, Dingcheng, et al.
Veröffentlicht: (2024)

Do We Really Need Curated Malicious Data for Safety Alignment in Multi-modal Large Language Models?
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Steering and Rectifying Latent Representation Manifolds in Frozen Multi-modal LLMs for Video Anomaly Detection
von: Cai, Zhaolin, et al.
Veröffentlicht: (2026)