Buchumschlag

Measuring Epistemic Humility in Multimodal Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tong, Bingkui, Xia, Jiaer, Shang, Sifeng, Zhou, Kaiyang
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

Mitigating Hallucination in Multimodal LLMs with Layer Contrastive Decoding
von: Tong, Bingkui, et al.
Veröffentlicht: (2025)

Bootstrapping Grounded Chain-of-Thought in Multimodal LLMs for Data-Efficient Model Adaptation
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

Visionary-R1: Mitigating Shortcuts in Visual Reasoning with Reinforcement Learning
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

Streaming Video Instruction Tuning
von: Xia, Jiaer, et al.
Veröffentlicht: (2025)

VideoOdyssey: A Benchmark for Ultra-Long-Context and Omni-Modal Video Understanding
von: He, Haichen, et al.
Veröffentlicht: (2026)

Fine-tuning Quantized Neural Networks with Zeroth-order Optimization
von: Shang, Sifeng, et al.
Veröffentlicht: (2025)

SHAN: Object-Level Privacy Detection via Inference on Scene Heterogeneous Graph
von: Jiang, Zhuohang, et al.
Veröffentlicht: (2024)

Contextual Object Detection with Multimodal Large Language Models
von: Zang, Yuhang, et al.
Veröffentlicht: (2023)

Beyond Visual Appearances: Privacy-sensitive Objects Identification via Hybrid Graph Reasoning
von: Jiang, Zhuohang, et al.
Veröffentlicht: (2024)

HairOrbit: Multi-view Aware 3D Hair Modeling from Single Portraits
von: Jin, Leyang, et al.
Veröffentlicht: (2026)

Learning to Think Fast and Slow for Visual Language Models
von: Lin, Chenyu, et al.
Veröffentlicht: (2025)

Visual Prompting in Multimodal Large Language Models: A Survey
von: Wu, Junda, et al.
Veröffentlicht: (2024)

Attention Disturbance and Dual-Path Constraint Network for Occluded Person Re-identification
von: Xia, Jiaer, et al.
Veröffentlicht: (2023)

Hard Labels In! Rethinking the Role of Hard Labels in Mitigating Local Semantic Drift
von: Cui, Jiacheng, et al.
Veröffentlicht: (2025)

A Refer-and-Ground Multimodal Large Language Model for Biomedicine
von: Huang, Xiaoshuang, et al.
Veröffentlicht: (2024)

MMaDA: Multimodal Large Diffusion Language Models
von: Yang, Ling, et al.
Veröffentlicht: (2025)

Hallucination of Multimodal Large Language Models: A Survey
von: Bai, Zechen, et al.
Veröffentlicht: (2024)

Towards Language-Driven Video Inpainting via Multimodal Large Language Models
von: Wu, Jianzong, et al.
Veröffentlicht: (2024)

LLMGA: Multimodal Large Language Model based Generation Assistant
von: Xia, Bin, et al.
Veröffentlicht: (2023)

Adversarial Robustness for Visual Grounding of Multimodal Large Language Models
von: Gao, Kuofeng, et al.
Veröffentlicht: (2024)

Can Multimodal Large Language Models Understand Spatial Relations?
von: Liu, Jingping, et al.
Veröffentlicht: (2025)

GSVA: Generalized Segmentation via Multimodal Large Language Models
von: Xia, Zhuofan, et al.
Veröffentlicht: (2023)

FlashSloth: Lightning Multimodal Large Language Models via Embedded Visual Compression
von: Tong, Bo, et al.
Veröffentlicht: (2024)

M^3:Manipulation Mask Manufacturer for Arbitrary-Scale Super-Resolution Mask
von: Yang, Xinyu, et al.
Veröffentlicht: (2024)

WorldVQA: Measuring Atomic World Knowledge in Multimodal Large Language Models
von: Zhou, Runjie, et al.
Veröffentlicht: (2026)

Semantic Alignment for Multimodal Large Language Models
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Enhanced Motion Forecasting with Plug-and-Play Multimodal Large Language Models
von: Luo, Katie, et al.
Veröffentlicht: (2025)

A Survey of Token Compression for Efficient Multimodal Large Language Models
von: Shao, Kele, et al.
Veröffentlicht: (2025)

HyperVL: An Efficient and Dynamic Multimodal Large Language Model for Edge Devices
von: HyperAI Team, et al.
Veröffentlicht: (2025)

HOID-R1: Reinforcement Learning for Open-World Human-Object Interaction Detection Reasoning with Multimodal Large Language Model
von: Zhang, Zhenhao, et al.
Veröffentlicht: (2025)

LLAVADI: What Matters For Multimodal Large Language Models Distillation
von: Xu, Shilin, et al.
Veröffentlicht: (2024)

Strengthening Multimodal Large Language Model with Bootstrapped Preference Optimization
von: Pi, Renjie, et al.
Veröffentlicht: (2024)

Task-Related Token Compression in Multimodal Large Language Models from an Explainability Perspective
von: Lei, Lei, et al.
Veröffentlicht: (2025)

DynamicVL: Benchmarking Multimodal Large Language Models for Dynamic City Understanding
von: Xuan, Weihao, et al.
Veröffentlicht: (2025)

LLaVA-KD: A Framework of Distilling Multimodal Large Language Models
von: Cai, Yuxuan, et al.
Veröffentlicht: (2024)

Adversarial Prompt Injection Attack on Multimodal Large Language Models
von: Ding, Meiwen, et al.
Veröffentlicht: (2026)

Investigating Traffic Accident Detection Using Multimodal Large Language Models
von: Skender, Ilhan, et al.
Veröffentlicht: (2025)

Accelerating Multimodal Large Language Models by Searching Optimal Vision Token Reduction
von: Zhao, Shiyu, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Multimodal Search
von: Barbany, Oriol, et al.
Veröffentlicht: (2024)

Multimodal Large Language Models as Image Classifiers
von: Kisel, Nikita, et al.
Veröffentlicht: (2026)