Pisces: An Auto-regressive Foundation Model for Image Understanding and Generation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Xu, Zhiyang, Chen, Jiuhai, Lin, Zhaojiang, Pan, Xichen, Huang, Lifu, Zhou, Tianyi, Khabsa, Madian, Wang, Qifan, Jin, Di, Yasunaga, Michihiro, Yu, Lili, Lin, Xi Victoria, Nie, Shaoliang |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Diversity-driven Data Selection for Language Model Tuning through Sparse Autoencoder
par: Yang, Xianjun, et autres
Publié: (2025)
par: Yang, Xianjun, et autres
Publié: (2025)
On the Equivalence of Graph Convolution and Mixup
par: Han, Xiaotian, et autres
Publié: (2023)
par: Han, Xiaotian, et autres
Publié: (2023)
AR-RAG: Autoregressive Retrieval Augmentation for Image Generation
par: Qi, Jingyuan, et autres
Publié: (2025)
par: Qi, Jingyuan, et autres
Publié: (2025)
BLIP3-o: A Family of Fully Open Unified Multimodal Models-Architecture, Training and Dataset
par: Chen, Jiuhai, et autres
Publié: (2025)
par: Chen, Jiuhai, et autres
Publié: (2025)
Multimodal RewardBench: Holistic Evaluation of Reward Models for Vision Language Models
par: Yasunaga, Michihiro, et autres
Publié: (2025)
par: Yasunaga, Michihiro, et autres
Publié: (2025)
BLIP3o-NEXT: Next Frontier of Native Image Generation
par: Chen, Jiuhai, et autres
Publié: (2025)
par: Chen, Jiuhai, et autres
Publié: (2025)
RoRA-VLM: Robust Retrieval-Augmented Vision Language Models
par: Qi, Jingyuan, et autres
Publié: (2024)
par: Qi, Jingyuan, et autres
Publié: (2024)
Enhancing Auto-regressive Chain-of-Thought through Loop-Aligned Reasoning
par: Yu, Qifan, et autres
Publié: (2025)
par: Yu, Qifan, et autres
Publié: (2025)
Think, Act, Build: An Agentic Framework with Vision Language Models for Zero-Shot 3D Visual Grounding
par: Wang, Haibo, et autres
Publié: (2026)
par: Wang, Haibo, et autres
Publié: (2026)
Many-to-many Image Generation with Auto-regressive Diffusion Models
par: Shen, Ying, et autres
Publié: (2024)
par: Shen, Ying, et autres
Publié: (2024)
Multi-Objective Linguistic Control of Large Language Models
par: Nguyen, Dang, et autres
Publié: (2024)
par: Nguyen, Dang, et autres
Publié: (2024)
Multimodal Instruction Tuning with Conditional Mixture of LoRA
par: Shen, Ying, et autres
Publié: (2024)
par: Shen, Ying, et autres
Publié: (2024)
Vision-Flan: Scaling Human-Labeled Tasks in Visual Instruction Tuning
par: Xu, Zhiyang, et autres
Publié: (2024)
par: Xu, Zhiyang, et autres
Publié: (2024)
Functional continuum regression
par: Zhou, Zhiyang
Publié: (2019)
par: Zhou, Zhiyang
Publié: (2019)
CAT: Content-Adaptive Image Tokenization
par: Shen, Junhong, et autres
Publié: (2025)
par: Shen, Junhong, et autres
Publié: (2025)
LaTtE-Flow: Layerwise Timestep-Expert Flow-based Transformer
par: Shen, Ying, et autres
Publié: (2025)
par: Shen, Ying, et autres
Publié: (2025)
Gaussian Process Assisted Active Learning of Physical Laws
par: Chen, Jiuhai, et autres
Publié: (2019)
par: Chen, Jiuhai, et autres
Publié: (2019)
Incentivizing Temporal-Awareness in Egocentric Video Understanding Models
par: Xu, Zhiyang, et autres
Publié: (2026)
par: Xu, Zhiyang, et autres
Publié: (2026)
SPARTUN3D: Situated Spatial Understanding of 3D World in Large Language Models
par: Zhang, Yue, et autres
Publié: (2024)
par: Zhang, Yue, et autres
Publié: (2024)
Beyond Reasoning Gains: Mitigating General Capabilities Forgetting in Large Reasoning Models
par: Phan, Hoang, et autres
Publié: (2025)
par: Phan, Hoang, et autres
Publié: (2025)
Can LLMs Speak For Diverse People? Tuning LLMs via Debate to Generate Controllable Controversial Statements
par: Li, Ming, et autres
Publié: (2024)
par: Li, Ming, et autres
Publié: (2024)
Error-driven Data-efficient Large Multimodal Model Tuning
par: Yao, Barry Menglong, et autres
Publié: (2024)
par: Yao, Barry Menglong, et autres
Publié: (2024)
The Perfect Blend: Redefining RLHF with Mixture of Judges
par: Xu, Tengyu, et autres
Publié: (2024)
par: Xu, Tengyu, et autres
Publié: (2024)
Adversarial Reward Auditing for Active Detection and Mitigation of Reward Hacking
par: Beigi, Mohammad, et autres
Publié: (2026)
par: Beigi, Mohammad, et autres
Publié: (2026)
High Accuracy, Less Talk (HALT): Reliable LLMs through Capability-Aligned Finetuning
par: Franzmeyer, Tim, et autres
Publié: (2025)
par: Franzmeyer, Tim, et autres
Publié: (2025)
Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms
par: Yao, Fan, et autres
Publié: (2024)
par: Yao, Fan, et autres
Publié: (2024)
HippoRAG: Neurobiologically Inspired Long-Term Memory for Large Language Models
par: Gutiérrez, Bernal Jiménez, et autres
Publié: (2024)
par: Gutiérrez, Bernal Jiménez, et autres
Publié: (2024)
Physics-informed Temporal Alignment for Auto-regressive PDE Foundation Models
par: Zhu, Congcong, et autres
Publié: (2025)
par: Zhu, Congcong, et autres
Publié: (2025)
Modality-Specialized Synergizers for Interleaved Vision-Language Generalists
par: Xu, Zhiyang, et autres
Publié: (2024)
par: Xu, Zhiyang, et autres
Publié: (2024)
SuperFlow: Training Flow Matching Models with RL on the Fly
par: Chen, Kaijie, et autres
Publié: (2025)
par: Chen, Kaijie, et autres
Publié: (2025)
GLANCE: A Global-Local Coordination Multi-Agent Framework for Music-Grounded Non-Linear Video Editing
par: Lin, Zihao, et autres
Publié: (2026)
par: Lin, Zihao, et autres
Publié: (2026)
AMELI: Enhancing Multimodal Entity Linking with Fine-Grained Attributes
par: Yao, Barry Menglong, et autres
Publié: (2023)
par: Yao, Barry Menglong, et autres
Publié: (2023)
reWordBench: Benchmarking and Improving the Robustness of Reward Models with Transformed Inputs
par: Wu, Zhaofeng, et autres
Publié: (2025)
par: Wu, Zhaofeng, et autres
Publié: (2025)
The Belebele Benchmark: a Parallel Reading Comprehension Dataset in 122 Language Variants
par: Bandarkar, Lucas, et autres
Publié: (2023)
par: Bandarkar, Lucas, et autres
Publié: (2023)
Molecular Dynamic Simulations Insight Into the Structural Evolution and Mechanical Property of Segmented Polyamide Copolymer Under Deformation
par: Jie Jiang, et autres
Publié: (2025)
par: Jie Jiang, et autres
Publié: (2025)
SongGen: A Single Stage Auto-regressive Transformer for Text-to-Song Generation
par: Liu, Zihan, et autres
Publié: (2025)
par: Liu, Zihan, et autres
Publié: (2025)
Transfer between Modalities with MetaQueries
par: Pan, Xichen, et autres
Publié: (2025)
par: Pan, Xichen, et autres
Publié: (2025)
Automated Data Curation for Robust Language Model Fine-Tuning
par: Chen, Jiuhai, et autres
Publié: (2024)
par: Chen, Jiuhai, et autres
Publié: (2024)
IR$^3$: Contrastive Inverse Reinforcement Learning for Interpretable Detection and Mitigation of Reward Hacking
par: Beigi, Mohammad, et autres
Publié: (2026)
par: Beigi, Mohammad, et autres
Publié: (2026)
AutoSiMP: Autonomous Topology Optimization from Natural Language via LLM-Driven Problem Configuration and Adaptive Solver Control
par: Yang, Shaoliang, et autres
Publié: (2026)
par: Yang, Shaoliang, et autres
Publié: (2026)
Documents similaires
-
Diversity-driven Data Selection for Language Model Tuning through Sparse Autoencoder
par: Yang, Xianjun, et autres
Publié: (2025) -
On the Equivalence of Graph Convolution and Mixup
par: Han, Xiaotian, et autres
Publié: (2023) -
AR-RAG: Autoregressive Retrieval Augmentation for Image Generation
par: Qi, Jingyuan, et autres
Publié: (2025) -
BLIP3-o: A Family of Fully Open Unified Multimodal Models-Architecture, Training and Dataset
par: Chen, Jiuhai, et autres
Publié: (2025) -
Multimodal RewardBench: Holistic Evaluation of Reward Models for Vision Language Models
par: Yasunaga, Michihiro, et autres
Publié: (2025)