Buchumschlag

MOAT: Evaluating LMMs for Capability Integration and Instruction Grounding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ye, Zhoutong, Sun, Mingze, Gao, Huan-ang, Wang, Xutong, Wang, Xiangyang, Mei, Yu, Liu, Chang, Li, Qinwei, Zhang, Chengwen, Lan, Qinghuan, Yu, Chun, Shi, Yuanchun
Format:	Preprint
Veröffentlicht:	2025
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

PACEE: Parent-Centered AI Scaffolding for Emotion Education in Early Childhood Conversations
von: Mei, Yu, et al.
Veröffentlicht: (2025)

HiSync: Spatio-Temporally Aligning Hand Motion from Wearable IMU and On-Robot Camera for Command Source Identification in Long-Range HRI
von: Zhang, Chengwen, et al.
Veröffentlicht: (2026)

PoseAugment: Generative Human Pose Data Augmentation with Physical Plausibility for IMU-based Motion Capture
von: Li, Zhuojun, et al.
Veröffentlicht: (2024)

Adapting AI to the Moment: Understanding the Dynamics of Parent-AI Collaboration Modes in Real-Time Conversations with Children
von: Mei, Yu, et al.
Veröffentlicht: (2026)

Monocular Gaussian SLAM with Language Extended Loop Closure
von: Lan, Tian, et al.
Veröffentlicht: (2024)

A Human-Computer Collaborative Tool for Training a Single Large Language Model Agent into a Network through Few Examples
von: Pan, Lihang, et al.
Veröffentlicht: (2024)

Computing with Smart Rings: A Systematic Literature Review
von: Wang, Zeyu, et al.
Veröffentlicht: (2025)

CCExpert: Advancing MLLM Capability in Remote Sensing Change Captioning with Difference-Aware Integration and a Foundational Dataset
von: Wang, Zhiming, et al.
Veröffentlicht: (2024)

SonarWatch: Field sensing technique for smartwatches based on ultrasound and motion
von: Shi, Yingtian, et al.
Veröffentlicht: (2024)

VisioMath: Benchmarking Figure-based Mathematical Reasoning in LMMs
von: Li, Can, et al.
Veröffentlicht: (2025)

Falcon-UI: Understanding GUI Before Following User Instructions
von: Shen, Huawen, et al.
Veröffentlicht: (2024)

LMM4LMM: Benchmarking and Evaluating Large-multimodal Image Generation with LMMs
von: Wang, Jiarui, et al.
Veröffentlicht: (2025)

Say Your Reason: Extract Contextual Rules In Situ for Context-aware Service Recommendation
von: Li, Yuxuan, et al.
Veröffentlicht: (2024)

CasualGaze: Towards Modeling and Recognizing Casual Gaze Behavior for Efficient Gaze-based Object Selection
von: Shi, Yingtian, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Generating Mobile Sensing Strategies in Human Behavior Modeling
von: Gao, Nan, et al.
Veröffentlicht: (2023)

Exploring the Potential of Encoder-free Architectures in 3D LMMs
von: Tang, Yiwen, et al.
Veröffentlicht: (2025)

MIBench: Evaluating LMMs on Multimodal Interaction
von: Miao, Yu, et al.
Veröffentlicht: (2026)

Fine-grained Multiple Supervisory Network for Multi-modal Manipulation Detecting and Grounding
von: Yu, Xinquan, et al.
Veröffentlicht: (2025)

PhotoFramer: Multi-modal Image Composition Instruction
von: You, Zhiyuan, et al.
Veröffentlicht: (2025)

Probing the Reliability of Driving VLMs: From Inconsistent Responses to Grounded Temporal Reasoning
von: Chang, Chun-Peng, et al.
Veröffentlicht: (2026)

MMSearch-R1: Incentivizing LMMs to Search
von: Wu, Jinming, et al.
Veröffentlicht: (2025)

SpeakSoftly: Scaffolding Nonviolent Communication in Intimate Relationships through LLM-Powered Just-In-Time Interventions
von: Chan, Ka I, et al.
Veröffentlicht: (2026)

LMMs Meet Object-Centric Vision: Understanding, Segmentation, Editing and Generation
von: Yuan, Yuqian, et al.
Veröffentlicht: (2026)

Marco-Bench-MIF: On Multilingual Instruction-Following Capability of Large Language Models
von: Zeng, Bo, et al.
Veröffentlicht: (2025)

MM-Vet: Evaluating Large Multimodal Models for Integrated Capabilities
von: Yu, Weihao, et al.
Veröffentlicht: (2023)

Bridging the gap between natural user expression with complex automation programming in smart homes
von: Shi, Yingtian, et al.
Veröffentlicht: (2024)

Prompt2Task: Automating UI Tasks on Smartphones from Textual Prompts
von: Huang, Tian, et al.
Veröffentlicht: (2024)

TaCIE: Enhancing Instruction Comprehension in Large Language Models through Task-Centred Instruction Evolution
von: Yang, Jiuding, et al.
Veröffentlicht: (2024)

CHOPS: CHat with custOmer Profile Systems for Customer Service with LLMs
von: Shi, Jingzhe, et al.
Veröffentlicht: (2024)

TextOnly: A Unified Function Portal for Text-Related Functions on Smartphones
von: Tu, Minghao, et al.
Veröffentlicht: (2025)

Navigating the Digital World as Humans Do: Universal Visual Grounding for GUI Agents
von: Gou, Boyu, et al.
Veröffentlicht: (2024)

AngleSizer: Enhancing Spatial Scale Perception for the Visually Impaired with an Interactive Smartphone Assistant
von: Jing, Xiaoqing, et al.
Veröffentlicht: (2024)

MobileAIBench: Benchmarking LLMs and LMMs for On-Device Use Cases
von: Murthy, Rithesh, et al.
Veröffentlicht: (2024)

GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs
von: Xu, Xinli, et al.
Veröffentlicht: (2024)

TDVE-Assessor: Benchmarking and Evaluating the Quality of Text-Driven Video Editing with LMMs
von: Wang, Juntong, et al.
Veröffentlicht: (2025)

Enhancing and Assessing Instruction-Following with Fine-Grained Instruction Variants
von: Yang, Jiuding, et al.
Veröffentlicht: (2024)

Enhancing Function-Calling Capabilities in LLMs: Strategies for Prompt Formats, Data Integration, and Multilingual Translation
von: Chen, Yi-Chang, et al.
Veröffentlicht: (2024)

Structure-Enhanced Protein Instruction Tuning: Towards General-Purpose Protein Understanding with LLMs
von: Wu, Wei, et al.
Veröffentlicht: (2024)

G-VOILA: Gaze-Facilitated Information Querying in Daily Scenarios
von: Wang, Zeyu, et al.
Veröffentlicht: (2024)

LMMs-Eval: Reality Check on the Evaluation of Large Multimodal Models
von: Zhang, Kaichen, et al.
Veröffentlicht: (2024)