Argus Inspection: Do Multimodal Large Language Models Possess the Eye of Panoptes?
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Yao, Yang, Li, Lingyu, Song, Jiaxin, Chen, Chiyu, He, Zhenqi, Wang, Yixu, Wang, Xin, Gu, Tianle, Li, Jie, Teng, Yan, Wang, Yingchun |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
LinguaSafe: A Comprehensive Multilingual Safety Benchmark for Large Language Models
par: Ning, Zhiyuan, et autres
Publié: (2025)
par: Ning, Zhiyuan, et autres
Publié: (2025)
Every Painting Awakened: A Training-free Framework for Painting-to-Animation Generation
par: Liu, Lingyu, et autres
Publié: (2025)
par: Liu, Lingyu, et autres
Publié: (2025)
Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation
par: Liu, Lingyu, et autres
Publié: (2026)
par: Liu, Lingyu, et autres
Publié: (2026)
MIntRec2.0: A Large-scale Benchmark Dataset for Multimodal Intent Recognition and Out-of-scope Detection in Conversations
par: Zhang, Hanlei, et autres
Publié: (2024)
par: Zhang, Hanlei, et autres
Publié: (2024)
Continual Panoptic Perception: Towards Multi-modal Incremental Interpretation of Remote Sensing Images
par: Yuan, Bo, et autres
Publié: (2024)
par: Yuan, Bo, et autres
Publié: (2024)
Retrieval-Augmented Multimodal Model for Fake News Detection
par: Li, Yiheng, et autres
Publié: (2026)
par: Li, Yiheng, et autres
Publié: (2026)
Sample then Identify: A General Framework for Risk Control and Assessment in Multimodal Large Language Models
par: Wang, Qingni, et autres
Publié: (2024)
par: Wang, Qingni, et autres
Publié: (2024)
Look, Compare and Draw: Differential Query Transformer for Automatic Oil Painting
par: Liu, Lingyu, et autres
Publié: (2026)
par: Liu, Lingyu, et autres
Publié: (2026)
MHAD: Multimodal Home Activity Dataset with Multi-Angle Videos and Synchronized Physiological Signals
par: Yu, Lei, et autres
Publié: (2024)
par: Yu, Lei, et autres
Publié: (2024)
Listening to the Unspoken: Exploring "365" Aspects of Multimodal Interview Performance Assessment
par: Li, Jia, et autres
Publié: (2025)
par: Li, Jia, et autres
Publié: (2025)
Can Large Language Models Help Multimodal Language Analysis? MMLA: A Comprehensive Benchmark
par: Zhang, Hanlei, et autres
Publié: (2025)
par: Zhang, Hanlei, et autres
Publié: (2025)
ChemDFM-X: Towards Large Multimodal Model for Chemistry
par: Zhao, Zihan, et autres
Publié: (2024)
par: Zhao, Zihan, et autres
Publié: (2024)
OpenRT: An Open-Source Red Teaming Framework for Multimodal LLMs
par: Wang, Xin, et autres
Publié: (2026)
par: Wang, Xin, et autres
Publié: (2026)
Harmfully Manipulated Images Matter in Multimodal Misinformation Detection
par: Wang, Bing, et autres
Publié: (2024)
par: Wang, Bing, et autres
Publié: (2024)
Evaluating Multimodal Large Language Models on Spoken Sarcasm Understanding
par: Li, Zhu, et autres
Publié: (2025)
par: Li, Zhu, et autres
Publié: (2025)
Distilling Implicit Multimodal Knowledge into Large Language Models for Zero-Resource Dialogue Generation
par: Zhang, Bo, et autres
Publié: (2024)
par: Zhang, Bo, et autres
Publié: (2024)
FakeBench: Probing Explainable Fake Image Detection via Large Multimodal Models
par: Li, Yixuan, et autres
Publié: (2024)
par: Li, Yixuan, et autres
Publié: (2024)
Remember Past, Anticipate Future: Learning Continual Multimodal Misinformation Detectors
par: Wang, Bing, et autres
Publié: (2025)
par: Wang, Bing, et autres
Publié: (2025)
When Video Coding Meets Multimodal Large Language Models: A Unified Paradigm for Video Coding
par: Zhang, Pingping, et autres
Publié: (2024)
par: Zhang, Pingping, et autres
Publié: (2024)
TimeLens: Rethinking Video Temporal Grounding with Multimodal LLMs
par: Zhang, Jun, et autres
Publié: (2025)
par: Zhang, Jun, et autres
Publié: (2025)
Enhancing Multimodal Misinformation Detection by Replaying the Whole Story from Image Modality Perspective
par: Wang, Bing, et autres
Publié: (2025)
par: Wang, Bing, et autres
Publié: (2025)
CMATH: Cross-Modality Augmented Transformer with Hierarchical Variational Distillation for Multimodal Emotion Recognition in Conversation
par: Zhu, Xiaofei, et autres
Publié: (2024)
par: Zhu, Xiaofei, et autres
Publié: (2024)
HoneypotNet: Backdoor Attacks Against Model Extraction
par: Wang, Yixu, et autres
Publié: (2025)
par: Wang, Yixu, et autres
Publié: (2025)
Multimodal Infusion Tuning for Large Models
par: Sun, Hao, et autres
Publié: (2024)
par: Sun, Hao, et autres
Publié: (2024)
MIND Your Reasoning: A Meta-Cognitive Intuitive-Reflective Network for Dual-Reasoning in Multimodal Stance Detection
par: Wang, Bingbing, et autres
Publié: (2025)
par: Wang, Bingbing, et autres
Publié: (2025)
Unsupervised Multimodal Clustering for Semantics Discovery in Multimodal Utterances
par: Zhang, Hanlei, et autres
Publié: (2024)
par: Zhang, Hanlei, et autres
Publié: (2024)
How to Bridge the Gap between Modalities: Survey on Multimodal Large Language Model
par: Song, Shezheng, et autres
Publié: (2023)
par: Song, Shezheng, et autres
Publié: (2023)
A Multimodal Transformer for Live Streaming Highlight Prediction
par: Deng, Jiaxin, et autres
Publié: (2024)
par: Deng, Jiaxin, et autres
Publié: (2024)
Hierarchical Aligned Multimodal Learning for NER on Tweet Posts
par: Liu, Peipei, et autres
Publié: (2023)
par: Liu, Peipei, et autres
Publié: (2023)
Interpretable Multimodal Misinformation Detection with Logic Reasoning
par: Liu, Hui, et autres
Publié: (2023)
par: Liu, Hui, et autres
Publié: (2023)
MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks
par: Zhang, Lei, et autres
Publié: (2025)
par: Zhang, Lei, et autres
Publié: (2025)
PTA: Enhancing Multimodal Sentiment Analysis through Pipelined Prediction and Translation-based Alignment
par: Song, Shezheng, et autres
Publié: (2024)
par: Song, Shezheng, et autres
Publié: (2024)
Enhancing Multimodal Entity and Relation Extraction with Variational Information Bottleneck
par: Cui, Shiyao, et autres
Publié: (2023)
par: Cui, Shiyao, et autres
Publié: (2023)
ArchGPT: Understanding the World's Architectures with Large Multimodal Models
par: Wang, Yuze, et autres
Publié: (2025)
par: Wang, Yuze, et autres
Publié: (2025)
Seeing Sarcasm Through Different Eyes: Analyzing Multimodal Sarcasm Perception in Large Vision-Language Models
par: Chen, Junjie, et autres
Publié: (2025)
par: Chen, Junjie, et autres
Publié: (2025)
mPLUG-PaperOwl: Scientific Diagram Analysis with the Multimodal Large Language Model
par: Hu, Anwen, et autres
Publié: (2023)
par: Hu, Anwen, et autres
Publié: (2023)
GuardAlign: Test-time Safety Alignment in Multimodal Large Language Models
par: Zhu, Xingyu, et autres
Publié: (2026)
par: Zhu, Xingyu, et autres
Publié: (2026)
AIM: Let Any Multi-modal Large Language Models Embrace Efficient In-Context Learning
par: Gao, Jun, et autres
Publié: (2024)
par: Gao, Jun, et autres
Publié: (2024)
Traits Run Deep: Enhancing Personality Assessment via Psychology-Guided LLM Representations and Multimodal Apparent Behaviors
par: Li, Jia, et autres
Publié: (2025)
par: Li, Jia, et autres
Publié: (2025)
Detached and Interactive Multimodal Learning
par: Fan, Yunfeng, et autres
Publié: (2024)
par: Fan, Yunfeng, et autres
Publié: (2024)
Documents similaires
-
LinguaSafe: A Comprehensive Multilingual Safety Benchmark for Large Language Models
par: Ning, Zhiyuan, et autres
Publié: (2025) -
Every Painting Awakened: A Training-free Framework for Painting-to-Animation Generation
par: Liu, Lingyu, et autres
Publié: (2025) -
Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation
par: Liu, Lingyu, et autres
Publié: (2026) -
MIntRec2.0: A Large-scale Benchmark Dataset for Multimodal Intent Recognition and Out-of-scope Detection in Conversations
par: Zhang, Hanlei, et autres
Publié: (2024) -
Continual Panoptic Perception: Towards Multi-modal Incremental Interpretation of Remote Sensing Images
par: Yuan, Bo, et autres
Publié: (2024)