Buchumschlag

Learning to Reason and Navigate: Parameter Efficient Action Planning with Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mohammadi, Bahram, Abbasnejad, Ehsan, Qi, Yuankai, Wu, Qi, Hengel, Anton Van Den, Shi, Javen Qinfeng
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

Augmented Commonsense Knowledge for Remote Object Grounding
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2024)

The Devil is in the Distributions: Explicit Modeling of Scene Content is Key in Zero-Shot Video Captioning
von: Tian, Mingkai, et al.
Veröffentlicht: (2025)

Towards Higher Effective Rank in Parameter-efficient Fine-tuning using Khatri--Rao Product
von: Albert, Paul, et al.
Veröffentlicht: (2025)

Premonition: Using Generative Models to Preempt Future Data Changes in Continual Learning
von: McDonnell, Mark D., et al.
Veröffentlicht: (2024)

On the Value of Cross-Modal Misalignment in Multimodal Representation Learning
von: Cai, Yichao, et al.
Veröffentlicht: (2025)

RanPAC: Random Projections and Pre-trained Models for Continual Learning
von: McDonnell, Mark D., et al.
Veröffentlicht: (2023)

Causal Disentanglement and Cross-Modal Alignment for Enhanced Few-Shot Learning
von: Jiang, Tianjiao, et al.
Veröffentlicht: (2025)

CLAP: Isolating Content from Style through Contrastive Learning with Augmented Prompts
von: Cai, Yichao, et al.
Veröffentlicht: (2023)

Knowledge Composition using Task Vectors with Learned Anisotropic Scaling
von: Zhang, Frederic Z., et al.
Veröffentlicht: (2024)

A Survey on Deep Neural Network Pruning-Taxonomy, Comparison, Analysis, and Recommendations
von: Cheng, Hongrong, et al.
Veröffentlicht: (2023)

Beyond DAGs: A Latent Partial Causal Model for Multimodal Learning
von: Liu, Yuhang, et al.
Veröffentlicht: (2024)

InvariantStock: Learning Invariant Features for Mastering the Shifting Market
von: Cao, Haiyao, et al.
Veröffentlicht: (2024)

A Simple-but-effective Baseline for Training-free Class-Agnostic Counting
von: Lin, Yuhao, et al.
Veröffentlicht: (2024)

Synergy and Diversity in CLIP: Enhancing Performance Through Adaptive Backbone Ensembling
von: Rodriguez-Opazo, Cristian, et al.
Veröffentlicht: (2024)

RandLoRA: Full-rank parameter-efficient fine-tuning of large models
von: Albert, Paul, et al.
Veröffentlicht: (2025)

Prosody-Enhanced Acoustic Pre-training and Acoustic-Disentangled Prosody Adapting for Movie Dubbing
von: Zhang, Zhedong, et al.
Veröffentlicht: (2025)

Exploring Primitive Visual Measurement Understanding and the Role of Output Format in Learning in Vision-Language Models
von: Yadav, Ankit, et al.
Veröffentlicht: (2025)

Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction
von: Jiang, Wenkang, et al.
Veröffentlicht: (2026)

DGRNet: Disagreement-Guided Refinement for Uncertainty-Aware Brain Tumor Segmentation
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2026)

FlowDubber: Movie Dubbing with LLM-based Semantic-aware Learning and Flow Matching based Voice Enhancing
von: Cong, Gaoxiang, et al.
Veröffentlicht: (2025)

ProgRoCC: A Progressive Approach to Rough Crowd Counting
von: Jiang, Shengqin, et al.
Veröffentlicht: (2025)

Rethinking State Disentanglement in Causal Reinforcement Learning
von: Cao, Haiyao, et al.
Veröffentlicht: (2024)

VLNVerse: A Benchmark for Vision-Language Navigation with Versatile, Embodied, Realistic Simulation and Evaluation
von: Lin, Sihao, et al.
Veröffentlicht: (2025)

MINI-LLM: Memory-Efficient Structured Pruning for Large Language Models
von: Cheng, Hongrong, et al.
Veröffentlicht: (2024)

Do We Always Need the Simplicity Bias? Looking for Optimal Inductive Biases in the Wild
von: Teney, Damien, et al.
Veröffentlicht: (2025)

Hierarchical Text-Guided Brain Tumor Segmentation via Sub-Region-Aware Prompts
von: Mohammadi, Bahram, et al.
Veröffentlicht: (2026)

SAP-Bench: Benchmarking Multimodal Large Language Models in Surgical Action Planning
von: Xu, Mengya, et al.
Veröffentlicht: (2025)

Parameter Efficient Continual Learning with Dynamic Low-Rank Adaptation
von: Bhat, Prashant Shivaram, et al.
Veröffentlicht: (2025)

NavGPT-2: Unleashing Navigational Reasoning Capability for Large Vision-Language Models
von: Zhou, Gengze, et al.
Veröffentlicht: (2024)

Categorical Keypoint Positional Embedding for Robust Animal Re-Identification
von: Lin, Yuhao, et al.
Veröffentlicht: (2024)

Learn to Preserve and Diversify: Parameter-Efficient Group with Orthogonal Regularization for Domain Generalization
von: Hu, Jiajun, et al.
Veröffentlicht: (2024)

MiniVLN: Efficient Vision-and-Language Navigation by Progressive Knowledge Distillation
von: Zhu, Junyou, et al.
Veröffentlicht: (2024)

A Survey on Improving Human Robot Collaboration through Vision-and-Language Navigation
von: Yakolli, Nivedan, et al.
Veröffentlicht: (2025)

Exploring the Temporal Consistency for Point-Level Weakly-Supervised Temporal Action Localization
von: Ma, Yunchuan, et al.
Veröffentlicht: (2026)

Boosting Point-supervised Temporal Action Localization via Text Refinement and Alignment
von: Ma, Yunchuan, et al.
Veröffentlicht: (2026)

Fast-SmartWay: Panoramic-Free End-to-End Zero-Shot Vision-and-Language Navigation
von: Shi, Xiangyu, et al.
Veröffentlicht: (2025)

Chem4DLLM: 4D Multimodal LLMs for Chemical Dynamics Understanding
von: Li, Xinyu, et al.
Veröffentlicht: (2026)

Neural Redshift: Random Networks are not Random Functions
von: Teney, Damien, et al.
Veröffentlicht: (2024)

Explainable Action Form Assessment by Exploiting Multimodal Chain-of-Thoughts Reasoning
von: Qi, Mengshi, et al.
Veröffentlicht: (2025)

Decomposing Task Vectors for Refined Model Editing
von: Damirchi, Hamed, et al.
Veröffentlicht: (2025)