Buchumschlag

MM-HELIX: Boosting Multimodal Long-Chain Reflective Reasoning with Holistic Platform and Adaptive Hybrid Policy Optimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Xiangyu, Lin, Junming, Liang, Tianhao, Zhou, Yifan, Chai, Wenhao, Gu, Yuzhe, Wang, Weiyun, Chen, Kai, Luo, Gen, Zhang, Wenwei, Yan, Junchi, Yang, Hua, Duan, Haodong, Yang, Xue
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

MM-IFEngine: Towards Multimodal Instruction Following
von: Ding, Shengyuan, et al.
Veröffentlicht: (2025)

Envisioning Beyond the Pixels: Benchmarking Reasoning-Informed Visual Editing
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2025)

Trust Your Critic: Robust Reward Modeling and Reinforcement Learning for Faithful Image Editing and Generation
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2026)

MM-CRITIC: A Holistic Evaluation of Large Multimodal Models as Multimodal Critique
von: Zeng, Gailun, et al.
Veröffentlicht: (2025)

MM-Verify: Enhancing Multimodal Reasoning with Chain-of-Thought Verification
von: Sun, Linzhuang, et al.
Veröffentlicht: (2025)

HC-SpMM: Accelerating Sparse Matrix-Matrix Multiplication for Graphs with Hybrid GPU Cores
von: Li, Zhonggen, et al.
Veröffentlicht: (2024)

MMBench-Video: A Long-Form Multi-Shot Benchmark for Holistic Video Understanding
von: Fang, Xinyu, et al.
Veröffentlicht: (2024)

MM-OpenFGL: A Comprehensive Benchmark for Multimodal Federated Graph Learning
von: Li, Xunkai, et al.
Veröffentlicht: (2026)

MemCoT: Test-Time Scaling through Memory-Driven Chain-of-Thought
von: Lei, Haodong, et al.
Veröffentlicht: (2026)

MARS Policy: Multimodality Only When It Matters
von: Jia, Jindou, et al.
Veröffentlicht: (2026)

HELIX: Hybrid Encoding with Learnable Identity and Cross-dimensional Synthesis for Time Series Imputation
von: Zhang, Fengming, et al.
Veröffentlicht: (2026)

HELIX: Scaling Raw Audio Understanding with Hybrid Mamba-Attention Beyond the Quadratic Limit
von: Khushiyant, et al.
Veröffentlicht: (2026)

EHC-MM: Embodied Holistic Control for Mobile Manipulation
von: Wang, Jiawen, et al.
Veröffentlicht: (2024)

A fourth-order active flux method for parabolic problems with application to porous medium equation
von: Duan, Junming
Veröffentlicht: (2025)

MM-CoT:A Benchmark for Probing Visual Chain-of-Thought Reasoning in Multimodal Models
von: Zhang, Jusheng, et al.
Veröffentlicht: (2025)

MM-WebAgent: A Hierarchical Multimodal Web Agent for Webpage Generation
von: Li, Yan, et al.
Veröffentlicht: (2026)

MM-BrowseComp: A Comprehensive Benchmark for Multimodal Browsing Agents
von: Li, Shilong, et al.
Veröffentlicht: (2025)

The Effects of Conformational Sampling and QM Region Size in QM/MM Simulations: An Adaptive QM/MM Study With Model Systems
von: Holden Paz, et al.
Veröffentlicht: (2025)

HippoMM: Hippocampal-inspired Multimodal Memory for Long Audiovisual Event Understanding
von: Lin, Yueqian, et al.
Veröffentlicht: (2025)

Boosting Multimodal Federated Learning via Chained Modality Optimization
von: Zhang, Zixin, et al.
Veröffentlicht: (2026)

MG-LLaVA: Towards Multi-Granularity Visual Instruction Tuning
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2024)

Mono-InternVL-1.5: Towards Cheaper and Faster Monolithic Multimodal Large Language Models
von: Luo, Gen, et al.
Veröffentlicht: (2025)

MM-Soc: Benchmarking Multimodal Large Language Models in Social Media Platforms
von: Jin, Yiqiao, et al.
Veröffentlicht: (2024)

TRIPLE, QUADRUPLE AND QUINTUPLE HELIX MODELS: THE ROLE OF UNIVERSITIES
von: Quaresma, Fernando, et al.
Veröffentlicht: (2024)

OmniAlign-V: Towards Enhanced Alignment of MLLMs with Human Preference
von: Zhao, Xiangyu, et al.
Veröffentlicht: (2025)

Holistic Evaluation of Multimodal LLMs on Spatial Intelligence
von: Cai, Zhongang, et al.
Veröffentlicht: (2025)

ElasticMM: Efficient Multimodal LLMs Serving with Elastic Multimodal Parallelism
von: Liu, Zedong, et al.
Veröffentlicht: (2025)

SpaCE-10: A Comprehensive Benchmark for Multimodal Large Language Models in Compositional Spatial Intelligence
von: Gong, Ziyang, et al.
Veröffentlicht: (2025)

High‐Performance Compact 48‐Channel Arrayed Waveguide Grating on Improved Silica Platform
von: Junchi Ma, et al.
Veröffentlicht: (2025)

COURTSHIP AND DART SHOOTING BEHAVIOR OF THE LAND SNAIL HELIX-ASPERSA
von: Chung, Daniel J. D.
Veröffentlicht: (1987)

REPRODUCCIÓN Y GENÉTICA DEL CARACOL TERRESTRE “HELIX ASPERSA”
von: José L Díaz
Veröffentlicht: (2007)

VisualPRM: An Effective Process Reward Model for Multimodal Reasoning
von: Wang, Weiyun, et al.
Veröffentlicht: (2025)

Rice CRYPTOCHROME‐INTERACTING BASIC HELIX‐LOOP‐HELIX 1‐LIKE interacts with OsCRY2 and promotes flowering by upregulating Early heading date 1
von: Sang‐Ji Lee, et al.
Veröffentlicht: (2024)

CoCoT: Contrastive Chain-of-Thought Prompting for Large Multimodal Models with Multiple Image Inputs
von: Zhang, Daoan, et al.
Veröffentlicht: (2024)

TREM2 scFv‐Engineering Escherichia coli Displaying Modulation of Macrophages to Boost Cancer Radio‐Immunotherapy
von: Yifan Wang, et al.
Veröffentlicht: (2025)

Towards Holistic Language-video Representation: the language model-enhanced MSR-Video to Text Dataset
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

MM-IQ: Benchmarking Human-Like Abstraction and Reasoning in Multimodal Models
von: Cai, Huanqia, et al.
Veröffentlicht: (2025)

Reflect to Inform: Boosting Multimodal Reasoning via Information-Gain-Driven Verification
von: Lv, Shuai, et al.
Veröffentlicht: (2026)

Retrieve, Schedule, Reflect: LLM Agents for Chip QoR Optimization
von: ouyang, Yikang, et al.
Veröffentlicht: (2026)

MM-Forecast: A Multimodal Approach to Temporal Event Forecasting with Large Language Models
von: Li, Haoxuan, et al.
Veröffentlicht: (2024)