Buchumschlag

ReaderLM-v2: Small Language Model for HTML to Markdown and JSON

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Feng, Shi, Zesheng, Wang, Bo, Wang, Nan, Xiao, Han
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Information Retrieval 68T50 I.2.7; I.2.10
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
von: Koukounas, Andreas, et al.
Veröffentlicht: (2024)

TriAlignGR: Triangular Multitask Alignment with Multimodal Deep Interest Mining for Generative Recommendation
von: Zeng, Yangchen, et al.
Veröffentlicht: (2026)

jina-reranker-v3: Last but Not Late Interaction for Listwise Document Reranking
von: Wang, Feng, et al.
Veröffentlicht: (2025)

jina-embeddings-v3: Multilingual Embeddings With Task LoRA
von: Sturua, Saba, et al.
Veröffentlicht: (2024)

Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
von: Günther, Michael, et al.
Veröffentlicht: (2024)

Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
von: Jha, Rohan, et al.
Veröffentlicht: (2024)

jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
von: Günther, Michael, et al.
Veröffentlicht: (2025)

K-MetBench: A Multi-Dimensional Benchmark for Fine-Grained Evaluation of Expert Reasoning, Locality, and Multimodality in Meteorology
von: Kim, Soyeon, et al.
Veröffentlicht: (2026)

FrameFusion: Combining Similarity and Importance for Video Token Reduction on Large Vision Language Models
von: Fu, Tianyu, et al.
Veröffentlicht: (2024)

MORQA: Benchmarking Evaluation Metrics for Medical Open-Ended Question Answering
von: Yim, Wen-wai, et al.
Veröffentlicht: (2025)

TowerVision: Understanding and Improving Multilinguality in Vision-Language Models
von: Viveiros, André G., et al.
Veröffentlicht: (2025)

Context-Dependent Affordance Computation in Vision-Language Models
von: Farzulla, Murad
Veröffentlicht: (2026)

Unpacking Hateful Memes: Presupposed Context and False Claims
von: Cai, Weibin, et al.
Veröffentlicht: (2025)

The MSR-Video to Text Dataset with Clean Annotations
von: Chen, Haoran, et al.
Veröffentlicht: (2021)

ABot-Claw: A Foundation for Persistent, Cooperative, and Self-Evolving Robotic Agents
von: Huo, Dongjie, et al.
Veröffentlicht: (2026)

MOVE: A Mixture-of-Vision-Encoders Approach for Domain-Focused Vision-Language Processing
von: Skripkin, Matvey, et al.
Veröffentlicht: (2025)

Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
von: Mohr, Isabelle, et al.
Veröffentlicht: (2024)

Waking Up Blind: Cold-Start Optimization of Supervision-Free Agentic Trajectories for Grounded Visual Perception
von: Bajpai, Ashutosh, et al.
Veröffentlicht: (2026)

XAutoLM: Efficient Fine-Tuning of Language Models via Meta-Learning and AutoML
von: Estevanell-Valladares, Ernesto L., et al.
Veröffentlicht: (2025)

A Study into Investigating Temporal Robustness of LLMs
von: Wallat, Jonas, et al.
Veröffentlicht: (2025)

Evaluation of Table Representations to Answer Questions from Tables in Documents : A Case Study using 3GPP Specifications
von: Roychowdhury, Sujoy, et al.
Veröffentlicht: (2024)

MIRA: Empowering One-Touch AI Services on Smartphones with MLLM-based Instruction Recommendation
von: Bian, Zhipeng, et al.
Veröffentlicht: (2025)

PairCFR: Enhancing Model Training on Paired Counterfactually Augmented Data through Contrastive Learning
von: Qiu, Xiaoqi, et al.
Veröffentlicht: (2024)

SUGARCREPE++ Dataset: Vision-Language Model Sensitivity to Semantic and Lexical Alterations
von: Dumpala, Sri Harsha, et al.
Veröffentlicht: (2024)

Beyond RNNs: Benchmarking Attention-Based Image Captioning Models
von: Yanambakkam, Hemanth Teja, et al.
Veröffentlicht: (2025)

DPDisc: From Factoid Questions to Data Product Requests for Open-World Data Product Discovery over Tables and Text
von: Zhang, Liangliang, et al.
Veröffentlicht: (2025)

TableMoE: Neuro-Symbolic Routing for Structured Expert Reasoning in Multimodal Table Understanding
von: Zhang, Junwen, et al.
Veröffentlicht: (2025)

PaperAudit-Bench: Benchmarking Error Detection in Research Papers for Critical Automated Peer Review
von: Tu, Songjun, et al.
Veröffentlicht: (2026)

PDFMathTranslate: Scientific Document Translation Preserving Layouts
von: Ouyang, Rongxin, et al.
Veröffentlicht: (2025)

Evaluating Visual Mathematics in Multimodal LLMs: A Multilingual Benchmark Based on the Kangaroo Tests
von: Sáez, Arnau Igualde, et al.
Veröffentlicht: (2025)

A Survey on Natural Language Counterfactual Generation
von: Wang, Yongjie, et al.
Veröffentlicht: (2024)

Efficient Code Embeddings from Code Generation Models
von: Kryvosheieva, Daria, et al.
Veröffentlicht: (2025)

MerNav: A Highly Generalizable Memory-Execute-Review Framework for Zero-Shot Object Goal Navigation
von: Qi, Dekang, et al.
Veröffentlicht: (2026)

IRONIC: Coherence-Aware Reasoning Chains for Multi-Modal Sarcasm Detection
von: Ramakrishnan, Aashish Anantha, et al.
Veröffentlicht: (2025)

RONA: Pragmatically Diverse Image Captioning with Coherence Relations
von: Ramakrishnan, Aashish Anantha, et al.
Veröffentlicht: (2025)

XPath Agent: An Efficient XPath Programming Agent Based on LLM for Web Crawler
von: Li, Yu, et al.
Veröffentlicht: (2024)

SoccerChat: Integrating Multimodal Data for Enhanced Soccer Game Understanding
von: Gautam, Sushant, et al.
Veröffentlicht: (2025)

Empowering Tabular Data Preparation with Language Models: Why and How?
von: Chen, Mengshi, et al.
Veröffentlicht: (2025)

Communicative Agents for Slideshow Storytelling Video Generation based on LLMs
von: Fan, Jingxing, et al.
Veröffentlicht: (2025)

Sentiment Analysis of Lithuanian Online Reviews Using Large Language Models
von: Vileikytė, Brigita, et al.
Veröffentlicht: (2024)