From Perception to Cognition: A Survey of Vision-Language Interactive Reasoning in Multimodal Large Language Models
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Zhou, Chenyue, Wang, Mingxuan, Ma, Yanbiao, Wu, Chenxu, Chen, Wanyi, Qian, Zhe, Liu, Xinyu, Zhang, Yiwei, Wang, Junhao, Xu, Hengbo, Luo, Fei, Chen, Xiaohua, Hao, Xiaoshuai, Li, Hehan, Zhang, Andi, Wang, Wenxuan, Zhang, Kaiyan, Jia, Guoli, Li, Lingling, Lu, Zhiwu, Lu, Yang, Guo, Yike |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
VisionPulse: Dynamic Visual Sparsity for Efficient Multimodal Reasoning
par: Xu, Hengbo, et autres
Publié: (2026)
par: Xu, Hengbo, et autres
Publié: (2026)
Flow-Modulated Scoring for Semantic-Aware Knowledge Graph Completion
par: Li, Siyuan, et autres
Publié: (2025)
par: Li, Siyuan, et autres
Publié: (2025)
Geometric Origins of Bias in Deep Neural Networks: A Human Visual System Perspective
par: Ma, Yanbiao, et autres
Publié: (2025)
par: Ma, Yanbiao, et autres
Publié: (2025)
Geometric Prior-Guided Federated Prompt Calibration
par: Luo, Fei, et autres
Publié: (2025)
par: Luo, Fei, et autres
Publié: (2025)
MathDoc: Benchmarking Structured Extraction and Active Refusal on Noisy Mathematics Exam Papers
par: Zhou, Chenyue, et autres
Publié: (2026)
par: Zhou, Chenyue, et autres
Publié: (2026)
Unified Vision-Language-Action Model
par: Wang, Yuqi, et autres
Publié: (2025)
par: Wang, Yuqi, et autres
Publié: (2025)
D2GNet: Efficient 6‐DoF Grasp Detection in Cluttered Scenes via Density‐Aware Dual‐Dimensional Graph Networks
par: Mingxuan Quan, et autres
Publié: (2026)
par: Mingxuan Quan, et autres
Publié: (2026)
ScDiVa: Masked Discrete Diffusion for Joint Modeling of Single-Cell Identity and Expression
par: Wang, Mingxuan, et autres
Publié: (2026)
par: Wang, Mingxuan, et autres
Publié: (2026)
AtmosSci-Bench: Evaluating the Recent Advance of Large Language Model for Atmospheric Science
par: Li, Chenyue, et autres
Publié: (2025)
par: Li, Chenyue, et autres
Publié: (2025)
Decompose and Transfer: CoT-Prompting Enhanced Alignment for Open-Vocabulary Temporal Action Detection
par: Zhu, Sa, et autres
Publié: (2026)
par: Zhu, Sa, et autres
Publié: (2026)
The Spacetime Cognition Deficit: Why Architecture Matters for General Embodied Intelligence
par: Li, Hengbo
Publié: (2026)
par: Li, Hengbo
Publié: (2026)
STEAR: Layer-Aware Spatiotemporal Evidence Intervention for Hallucination Mitigation in Video Large Language Models
par: Fan, Linfeng, et autres
Publié: (2026)
par: Fan, Linfeng, et autres
Publié: (2026)
From Pixels to Words -- Towards Native Vision-Language Primitives at Scale
par: Diao, Haiwen, et autres
Publié: (2025)
par: Diao, Haiwen, et autres
Publié: (2025)
Compositional Attribute Imbalance in Vision Datasets
par: Chen, Jiayi, et autres
Publié: (2025)
par: Chen, Jiayi, et autres
Publié: (2025)
Power-LLaVA: Large Language and Vision Assistant for Power Transmission Line Inspection
par: Wang, Jiahao, et autres
Publié: (2024)
par: Wang, Jiahao, et autres
Publié: (2024)
Hijacking Large Audio-Language Models via Context-Agnostic and Imperceptible Auditory Prompt Injection
par: Chen, Meng, et autres
Publié: (2026)
par: Chen, Meng, et autres
Publié: (2026)
Diver: Large Language Model Decoding with Span-Level Mutual Information Verification
par: Lu, Jinliang, et autres
Publié: (2024)
par: Lu, Jinliang, et autres
Publié: (2024)
A Neuro-inspired Interpretation of Unlearning in Large Language Models through Sample-level Unlearning Difficulty
par: Feng, Xiaohua, et autres
Publié: (2025)
par: Feng, Xiaohua, et autres
Publié: (2025)
Reasoning emerges from constrained inference manifolds in large language models
par: Ma, Yanbiao, et autres
Publié: (2026)
par: Ma, Yanbiao, et autres
Publié: (2026)
Assessing Computational Thinking Beyond Programming: A Scoping Review of Non‐Programming‐Based Computational Thinking Assessments for K‐12 Education
par: Chenyue Wang, et autres
Publié: (2026)
par: Chenyue Wang, et autres
Publié: (2026)
Semantic Correspondence: Unified Benchmarking and a Strong Baseline
par: Zhang, Kaiyan, et autres
Publié: (2025)
par: Zhang, Kaiyan, et autres
Publié: (2025)
EASE: Practical and Efficient Safety Alignment for Small Language Models
par: Shi, Haonan, et autres
Publié: (2025)
par: Shi, Haonan, et autres
Publié: (2025)
Large Language Model Agent in Financial Trading: A Survey
par: Ding, Han, et autres
Publié: (2024)
par: Ding, Han, et autres
Publié: (2024)
Reason-RFT: Reinforcement Fine-Tuning for Visual Reasoning of Vision Language Models
par: Tan, Huajie, et autres
Publié: (2025)
par: Tan, Huajie, et autres
Publié: (2025)
Dynamic Embedding of Hierarchical Visual Features for Efficient Vision-Language Fine-Tuning
par: Wei, Xinyu, et autres
Publié: (2025)
par: Wei, Xinyu, et autres
Publié: (2025)
GPO-V: Jailbreak Diffusion Vision Language Model by Global Probability Optimization
par: Pan, Yu, et autres
Publié: (2026)
par: Pan, Yu, et autres
Publié: (2026)
Efficient Ensemble for Fine-tuning Language Models on Multiple Datasets
par: Li, Dongyue, et autres
Publié: (2025)
par: Li, Dongyue, et autres
Publié: (2025)
Harnessing Large Language Models for Seed Generation in Greybox Fuzzing
par: Shi, Wenxuan, et autres
Publié: (2024)
par: Shi, Wenxuan, et autres
Publié: (2024)
Calibrating Biased Distribution in VFM-derived Latent Space via Cross-Domain Geometric Consistency
par: Ma, Yanbiao, et autres
Publié: (2025)
par: Ma, Yanbiao, et autres
Publié: (2025)
HumanVLA: Towards Vision-Language Directed Object Rearrangement by Physical Humanoid
par: Xu, Xinyu, et autres
Publié: (2024)
par: Xu, Xinyu, et autres
Publié: (2024)
Ensemble Multitask Prediction of Air Pollutants Time Series: Based on Variational Inference, Data Projection, and Generative Adversarial Network
par: Kang Wang, et autres
Publié: (2024)
par: Kang Wang, et autres
Publié: (2024)
ChainMPQ: Interleaved Text-Image Reasoning Chains for Mitigating Relation Hallucinations
par: Wu, Yike, et autres
Publié: (2025)
par: Wu, Yike, et autres
Publié: (2025)
Language of Thought Shapes Output Diversity in Large Language Models
par: Xu, Shaoyang, et autres
Publié: (2026)
par: Xu, Shaoyang, et autres
Publié: (2026)
PEAR: Phase Entropy Aware Reward for Efficient Reasoning
par: Huang, Chen, et autres
Publié: (2025)
par: Huang, Chen, et autres
Publié: (2025)
Testing and Evaluation of Large Language Models: Correctness, Non-Toxicity, and Fairness
par: Wang, Wenxuan
Publié: (2024)
par: Wang, Wenxuan
Publié: (2024)
What Are We Actually Decoding? Source Attribution for Non-Invasive Brain-to-Language Retrieval
par: Zhang, Xinyu, et autres
Publié: (2026)
par: Zhang, Xinyu, et autres
Publié: (2026)
The Labyrinth and the Thread: Rethinking Regularizations in Sequential Knowledge Editing for Large Language Models
par: Wang, Zheng, et autres
Publié: (2026)
par: Wang, Zheng, et autres
Publié: (2026)
LASAR: Latent Adaptive Semantic Aligned Reasoning for Generative Recommendation
par: Chen, Yiwen, et autres
Publié: (2026)
par: Chen, Yiwen, et autres
Publié: (2026)
Users, AI, or professional designers? The impacts of inspiration stimuli on customers' willingness to participate in user design
par: Chenyue Qi, et autres
Publié: (2024)
par: Chenyue Qi, et autres
Publié: (2024)
ThinkDial: An Open Recipe for Controlling Reasoning Effort in Large Language Models
par: He, Qianyu, et autres
Publié: (2025)
par: He, Qianyu, et autres
Publié: (2025)
Documents similaires
-
VisionPulse: Dynamic Visual Sparsity for Efficient Multimodal Reasoning
par: Xu, Hengbo, et autres
Publié: (2026) -
Flow-Modulated Scoring for Semantic-Aware Knowledge Graph Completion
par: Li, Siyuan, et autres
Publié: (2025) -
Geometric Origins of Bias in Deep Neural Networks: A Human Visual System Perspective
par: Ma, Yanbiao, et autres
Publié: (2025) -
Geometric Prior-Guided Federated Prompt Calibration
par: Luo, Fei, et autres
Publié: (2025) -
MathDoc: Benchmarking Structured Extraction and Active Refusal on Noisy Mathematics Exam Papers
par: Zhou, Chenyue, et autres
Publié: (2026)