Salvato in:
| Autori principali: | Wang, Shijian, Jin, Jiarui, Wang, Xingjian, Song, Linxin, Fu, Runhao, Wang, Hecheng, Ge, Zongyuan, Lu, Yuan, Cheng, Xuelian |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2510.23473 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
MuSEAgent: A Multimodal Reasoning Agent with Stateful Experiences
di: Wang, Shijian, et al.
Pubblicazione: (2026)
di: Wang, Shijian, et al.
Pubblicazione: (2026)
Synthetic Curriculum Reinforces Compositional Text-to-Image Generation
di: Wang, Shijian, et al.
Pubblicazione: (2025)
di: Wang, Shijian, et al.
Pubblicazione: (2025)
GraphThinker: Reinforcing Temporally Grounded Video Reasoning with Event Graph Thinking
di: Cheng, Zixu, et al.
Pubblicazione: (2026)
di: Cheng, Zixu, et al.
Pubblicazione: (2026)
ColonAdapter: Geometry Estimation Through Foundation Model Adaptation for Colonoscopy
di: Jiang, Zhiyi, et al.
Pubblicazione: (2025)
di: Jiang, Zhiyi, et al.
Pubblicazione: (2025)
FrameThinker: Learning to Think with Long Videos via Multi-Turn Frame Spotlighting
di: He, Zefeng, et al.
Pubblicazione: (2025)
di: He, Zefeng, et al.
Pubblicazione: (2025)
Pest-Thinker: Learning to Think and Reason like Entomologists via Reinforcement Learning
di: Li, Xueheng, et al.
Pubblicazione: (2026)
di: Li, Xueheng, et al.
Pubblicazione: (2026)
VR-Thinker: Boosting Video Reward Models through Thinking-with-Image Reasoning
di: Wang, Qunzhong, et al.
Pubblicazione: (2025)
di: Wang, Qunzhong, et al.
Pubblicazione: (2025)
RoomPlanner: Explicit Layout Planner for Easier LLM-Driven 3D Room Generation
di: Sun, Wenzhuo, et al.
Pubblicazione: (2025)
di: Sun, Wenzhuo, et al.
Pubblicazione: (2025)
Video-Holmes: Can MLLM Think Like Holmes for Complex Video Reasoning?
di: Cheng, Junhao, et al.
Pubblicazione: (2025)
di: Cheng, Junhao, et al.
Pubblicazione: (2025)
Attributed Synthetic Data Generation for Zero-shot Domain-specific Image Classification
di: Wang, Shijian, et al.
Pubblicazione: (2025)
di: Wang, Shijian, et al.
Pubblicazione: (2025)
OphNet: A Large-Scale Video Benchmark for Ophthalmic Surgical Workflow Understanding
di: Hu, Ming, et al.
Pubblicazione: (2024)
di: Hu, Ming, et al.
Pubblicazione: (2024)
AdaSpark: Adaptive Sparsity for Efficient Long-Video Understanding
di: Li, Handong, et al.
Pubblicazione: (2026)
di: Li, Handong, et al.
Pubblicazione: (2026)
DDA-Thinker: Decoupled Dual-Atomic Reinforcement Learning for Reasoning-Driven Image Editing
di: Yang, Hanqing, et al.
Pubblicazione: (2026)
di: Yang, Hanqing, et al.
Pubblicazione: (2026)
LongVT: Incentivizing "Thinking with Long Videos" via Native Tool Calling
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
Reinforcing Video Reasoning with Focused Thinking
di: Dang, Jisheng, et al.
Pubblicazione: (2025)
di: Dang, Jisheng, et al.
Pubblicazione: (2025)
Thinking in Streaming Video
di: Liu, Zikang, et al.
Pubblicazione: (2026)
di: Liu, Zikang, et al.
Pubblicazione: (2026)
VideoThinker: Building Agentic VideoLLMs with LLM-Guided Tool Reasoning
di: Li, Chenglin, et al.
Pubblicazione: (2026)
di: Li, Chenglin, et al.
Pubblicazione: (2026)
Towards Long Video Understanding via Fine-detailed Video Story Generation
di: You, Zeng, et al.
Pubblicazione: (2024)
di: You, Zeng, et al.
Pubblicazione: (2024)
V-Thinker: Interactive Thinking with Images
di: Qiao, Runqi, et al.
Pubblicazione: (2025)
di: Qiao, Runqi, et al.
Pubblicazione: (2025)
Thinking with Frames: Generative Video Distortion Evaluation via Frame Reward Model
di: Wang, Yuan, et al.
Pubblicazione: (2026)
di: Wang, Yuan, et al.
Pubblicazione: (2026)
TimeExpert: An Expert-Guided Video LLM for Video Temporal Grounding
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
Investigating the Scaling Effect of Instruction Templates for Training Multimodal Language Model
di: Wang, Shijian, et al.
Pubblicazione: (2024)
di: Wang, Shijian, et al.
Pubblicazione: (2024)
VideoCuRL: Video Curriculum Reinforcement Learning with Orthogonal Difficulty Decomposition
di: Jin, Hongbo, et al.
Pubblicazione: (2025)
di: Jin, Hongbo, et al.
Pubblicazione: (2025)
MMD-Thinker: Adaptive Multi-Dimensional Thinking for Multimodal Misinformation Detection
di: Wu, Junjie, et al.
Pubblicazione: (2025)
di: Wu, Junjie, et al.
Pubblicazione: (2025)
Reinforcing Video Reasoning Segmentation to Think Before It Segments
di: Gong, Sitong, et al.
Pubblicazione: (2025)
di: Gong, Sitong, et al.
Pubblicazione: (2025)
Versatile Transition Generation with Image-to-Video Diffusion
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
Novel View Extrapolation with Video Diffusion Priors
di: Liu, Kunhao, et al.
Pubblicazione: (2024)
di: Liu, Kunhao, et al.
Pubblicazione: (2024)
LION-FS: Fast & Slow Video-Language Thinker as Online Video Assistant
di: Li, Wei, et al.
Pubblicazione: (2025)
di: Li, Wei, et al.
Pubblicazione: (2025)
Thinking With Videos: Multimodal Tool-Augmented Reinforcement Learning for Long Video Reasoning
di: Zhang, Haoji, et al.
Pubblicazione: (2025)
di: Zhang, Haoji, et al.
Pubblicazione: (2025)
SparkVSR: Interactive Video Super-Resolution via Sparse Keyframe Propagation
di: Yu, Jiongze, et al.
Pubblicazione: (2026)
di: Yu, Jiongze, et al.
Pubblicazione: (2026)
FrameMind: Frame-Interleaved Video Reasoning via Reinforcement Learning
di: Ge, Haonan, et al.
Pubblicazione: (2025)
di: Ge, Haonan, et al.
Pubblicazione: (2025)
ParaVT: Taming the Tool Prior Paradox for Parallel Tool Use in Agentic Video Reinforcement Learning
di: Yang, Zuhao, et al.
Pubblicazione: (2026)
di: Yang, Zuhao, et al.
Pubblicazione: (2026)
VLA-Thinker: Boosting Vision-Language-Action Models through Thinking-with-Image Reasoning
di: Wang, Chaoyang, et al.
Pubblicazione: (2026)
di: Wang, Chaoyang, et al.
Pubblicazione: (2026)
Think with Grounding: Curriculum Reinforced Reasoning with Video Grounding for Long Video Understanding
di: Chen, Houlun, et al.
Pubblicazione: (2026)
di: Chen, Houlun, et al.
Pubblicazione: (2026)
Video-MTR: Reinforced Multi-Turn Reasoning for Long Video Understanding
di: Xie, Yuan, et al.
Pubblicazione: (2025)
di: Xie, Yuan, et al.
Pubblicazione: (2025)
VideoChat-A1: Thinking with Long Videos by Chain-of-Shot Reasoning
di: Wang, Zikang, et al.
Pubblicazione: (2025)
di: Wang, Zikang, et al.
Pubblicazione: (2025)
Thinking with Drafts: Speculative Temporal Reasoning for Efficient Long Video Understanding
di: Hu, Pengfei, et al.
Pubblicazione: (2025)
di: Hu, Pengfei, et al.
Pubblicazione: (2025)
VideoRFT: Incentivizing Video Reasoning Capability in MLLMs via Reinforced Fine-Tuning
di: Wang, Qi, et al.
Pubblicazione: (2025)
di: Wang, Qi, et al.
Pubblicazione: (2025)
Hunting Attributes: Context Prototype-Aware Learning for Weakly Supervised Semantic Segmentation
di: Tang, Feilong, et al.
Pubblicazione: (2024)
di: Tang, Feilong, et al.
Pubblicazione: (2024)
Video-KTR: Reinforcing Video Reasoning via Key Token Attribution
di: Wang, Ziyue, et al.
Pubblicazione: (2026)
di: Wang, Ziyue, et al.
Pubblicazione: (2026)
Documenti analoghi
-
MuSEAgent: A Multimodal Reasoning Agent with Stateful Experiences
di: Wang, Shijian, et al.
Pubblicazione: (2026) -
Synthetic Curriculum Reinforces Compositional Text-to-Image Generation
di: Wang, Shijian, et al.
Pubblicazione: (2025) -
GraphThinker: Reinforcing Temporally Grounded Video Reasoning with Event Graph Thinking
di: Cheng, Zixu, et al.
Pubblicazione: (2026) -
ColonAdapter: Geometry Estimation Through Foundation Model Adaptation for Colonoscopy
di: Jiang, Zhiyi, et al.
Pubblicazione: (2025) -
FrameThinker: Learning to Think with Long Videos via Multi-Turn Frame Spotlighting
di: He, Zefeng, et al.
Pubblicazione: (2025)