:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Zirun, Hong, Minjie, Jin, Tao
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2505.12432
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

APO: Enhancing Reasoning Ability of MLLMs via Asymmetric Policy Optimization
von: Hong, Minjie, et al.
Veröffentlicht: (2025)

Tables as Texts or Images: Evaluating the Table Reasoning Ability of LLMs and MLLMs
von: Deng, Naihao, et al.
Veröffentlicht: (2024)

Perception-R1: Advancing Multimodal Reasoning Capabilities of MLLMs via Visual Perception Reward
von: Xiao, Tong, et al.
Veröffentlicht: (2025)

Smoothing the Shift: Towards Stable Test-Time Adaptation under Complex Multimodal Noises
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

ConceptGuard: Continual Personalized Text-to-Image Generation with Forgetting and Confusion Mitigation
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

R-4B: Incentivizing General-Purpose Auto-Thinking Capability in MLLMs via Bi-Mode Annealing and Reinforce Learning
von: Yang, Qi, et al.
Veröffentlicht: (2025)

M2-Reasoning: Empowering MLLMs with Unified General and Spatial Reasoning
von: AI, Inclusion, et al.
Veröffentlicht: (2025)

Decoupling Stability and Plasticity for Multi-Modal Test-Time Adaptation
von: He, Yongbo, et al.
Veröffentlicht: (2026)

IVR-R1: Refining Trajectories through Iterative Visual-Grounded Reasoning in Reinforcement Learning
von: Li, Chenghao, et al.
Veröffentlicht: (2026)

Flow Equivariant World Models: Memory for Partially Observed Dynamic Environments
von: Lillemark, Hansen Jin, et al.
Veröffentlicht: (2026)

Model Merging in LLMs, MLLMs, and Beyond: Methods, Theories, Applications and Opportunities
von: Yang, Enneng, et al.
Veröffentlicht: (2024)

A Wander Through the Multimodal Landscape: Efficient Transfer Learning via Low-rank Sequence Multimodal Adapter
von: Guo, Zirun, et al.
Veröffentlicht: (2024)

Unlocking Zero-Shot Geospatial Reasoning via Indirect Rewards
von: Xu, Chenhui, et al.
Veröffentlicht: (2025)

GoT-R1: Unleashing Reasoning Capability of MLLM for Visual Generation with Reinforcement Learning
von: Duan, Chengqi, et al.
Veröffentlicht: (2025)

Classifier-guided Gradient Modulation for Enhanced Multimodal Learning
von: Guo, Zirun, et al.
Veröffentlicht: (2024)

MLLMs-Augmented Visual-Language Representation Learning
von: Liu, Yanqing, et al.
Veröffentlicht: (2023)

LLM-I: LLMs are Naturally Interleaved Multimodal Creators
von: Guo, Zirun, et al.
Veröffentlicht: (2025)

PerceptionComp: A Video Benchmark for Complex Perception-Centric Reasoning
von: Li, Shaoxuan, et al.
Veröffentlicht: (2026)

A More Word-like Image Tokenization for MLLMs
von: Lee, Hyun, et al.
Veröffentlicht: (2026)

RAR: Retrieving And Ranking Augmented MLLMs for Visual Recognition
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

VideoScaffold: Elastic-Scale Visual Hierarchies for Streaming Video Understanding in MLLMs
von: Zheng, Naishan, et al.
Veröffentlicht: (2025)

Multimodal Information Fusion for Chart Understanding: A Survey of MLLMs -- Evolution, Limitations, and Cognitive Enhancement
von: Yi, Zhihang, et al.
Veröffentlicht: (2026)

MoDA: Modulation Adapter for Fine-Grained Visual Grounding in Instructional MLLMs
von: Barrios, Wayner, et al.
Veröffentlicht: (2025)

Test-Time Matching: Unlocking Compositional Reasoning in Multimodal Models
von: Zhu, Yinglun, et al.
Veröffentlicht: (2025)

Advancing Multimodal Reasoning: From Optimized Cold Start to Staged Reinforcement Learning
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

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

GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning
von: V Team, et al.
Veröffentlicht: (2025)

HueManity: Probing Fine-Grained Visual Perception in MLLMs
von: Grover, Rynaa, et al.
Veröffentlicht: (2025)

MMErroR: A Benchmark for Erroneous Reasoning in Vision-Language Models
von: Shi, Yang, et al.
Veröffentlicht: (2026)

Self-Predictive Dynamics for Generalization of Vision-based Reinforcement Learning
von: Kim, Kyungsoo, et al.
Veröffentlicht: (2025)

From Drop-off to Recovery: A Mechanistic Analysis of Segmentation in MLLMs
von: Wu, Boyong, et al.
Veröffentlicht: (2026)

Vision-Language Meets the Skeleton: Progressively Distillation with Cross-Modal Knowledge for 3D Action Representation Learning
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Generalizable Gaussian Splatting
von: Wang, Jiaxu, et al.
Veröffentlicht: (2024)

Patho-R1: A Multimodal Reinforcement Learning-Based Pathology Expert Reasoner
von: Zhang, Wenchuan, et al.
Veröffentlicht: (2025)

GRPO-CARE: Consistency-Aware Reinforcement Learning for Multimodal Reasoning
von: Chen, Yi, et al.
Veröffentlicht: (2025)

Advancing Multimodal Reasoning via Reinforcement Learning with Cold Start
von: Wei, Lai, et al.
Veröffentlicht: (2025)

MileBench: Benchmarking MLLMs in Long Context
von: Song, Dingjie, et al.
Veröffentlicht: (2024)

Tiny Machine Learning: Progress and Futures
von: Lin, Ji, et al.
Veröffentlicht: (2024)

Unlocking Tuning-Free Few-Shot Adaptability in Visual Foundation Models by Recycling Pre-Tuned LoRAs
von: Hu, Zixuan, et al.
Veröffentlicht: (2024)

Surfer: Progressive Reasoning with World Models for Robotic Manipulation
von: Ren, Pengzhen, et al.
Veröffentlicht: (2023)