Buchumschlag

Benchmarking the Thinking Mode of Multimodal Large Language Models in Clinical Tasks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hong, Jindong, Chen, Tianjie, Luo, Lingjie, Zheng, Chuanyang, Xu, Ting, Yu, Haibao, Qiu, Jianing, Chen, Qianzhong, Huang, Suning, Xu, Yan, Gui, Yong, He, Yijun, Sun, Jiankai
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SynapseRoute: An Auto-Route Switching Framework on Dual-State Large Language Model
von: Zhang, Wencheng, et al.
Veröffentlicht: (2025)

Diagnosing Shoulder Disorders Using Multimodal Large Language Models and Consumer-Grade Cameras
von: Hong, Jindong, et al.
Veröffentlicht: (2025)

Aria-NeRF: Multimodal Egocentric View Synthesis
von: Sun, Jiankai, et al.
Veröffentlicht: (2023)

Breaking Lock-In: Preserving Steerability under Low-Data VLA Post-Training
von: Huang, Suning, et al.
Veröffentlicht: (2026)

ParticleFormer: A 3D Point Cloud World Model for Multi-Object, Multi-Material Robotic Manipulation
von: Huang, Suning, et al.
Veröffentlicht: (2025)

MEDSYN: Benchmarking Multi-EviDence SYNthesis in Complex Clinical Cases for Multimodal Large Language Models
von: Chen, Boqi, et al.
Veröffentlicht: (2026)

Mask What Matters: Mitigating Object Hallucinations in Multimodal Large Language Models with Object-Aligned Visual Contrastive Decoding
von: Chen, Boqi, et al.
Veröffentlicht: (2026)

GRaD-Nav++: Vision-Language Model Enabled Visual Drone Navigation with Gaussian Radiance Fields and Differentiable Dynamics
von: Chen, Qianzhong, et al.
Veröffentlicht: (2025)

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

Evaluating Large Language Models on Spatial Tasks: A Multi-Task Benchmarking Study
von: Xu, Liuchang, et al.
Veröffentlicht: (2024)

See, Think, Act: Teaching Multimodal Agents to Effectively Interact with GUI by Identifying Toggles
von: Wu, Zongru, et al.
Veröffentlicht: (2025)

MMESGBench: Pioneering Multimodal Understanding and Complex Reasoning Benchmark for ESG Tasks
von: Zhang, Lei, et al.
Veröffentlicht: (2025)

AI Hiring with LLMs: A Context-Aware and Explainable Multi-Agent Framework for Resume Screening
von: Lo, Frank P. -W., et al.
Veröffentlicht: (2025)

Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models
von: Liu, Shaonan, et al.
Veröffentlicht: (2026)

"A good pun is its own reword": Can Large Language Models Understand Puns?
von: Xu, Zhijun, et al.
Veröffentlicht: (2024)

EEE-QA: Exploring Effective and Efficient Question-Answer Representations
von: Hu, Zhanghao, et al.
Veröffentlicht: (2024)

Perception, Reason, Think, and Plan: A Survey on Large Multimodal Reasoning Models
von: Li, Yunxin, et al.
Veröffentlicht: (2025)

Seeing but Not Thinking: Routing Distraction in Multimodal Mixture-of-Experts
von: Xu, Haolei, et al.
Veröffentlicht: (2026)

The Linear Attention Resurrection in Vision Transformer
von: Zheng, Chuanyang
Veröffentlicht: (2025)

CMHG: A Dataset and Benchmark for Headline Generation of Minority Languages in China
von: Xu, Guixian, et al.
Veröffentlicht: (2025)

PATS: Process-Level Adaptive Thinking Mode Switching
von: Wang, Yi, et al.
Veröffentlicht: (2025)

Thinking with Video: Video Generation as a Promising Multimodal Reasoning Paradigm
von: Tong, Jingqi, et al.
Veröffentlicht: (2025)

Marker or Markerless? Mode-Switchable Optical Tactile Sensing for Diverse Robot Tasks
von: Ou, Ni, et al.
Veröffentlicht: (2024)

Think in Safety: Unveiling and Mitigating Safety Alignment Collapse in Multimodal Large Reasoning Model
von: Lou, Xinyue, et al.
Veröffentlicht: (2025)

Human-Level and Beyond: Benchmarking Large Language Models Against Clinical Pharmacists in Prescription Review
von: Yang, Yan, et al.
Veröffentlicht: (2025)

Visual Question Decomposition on Multimodal Large Language Models
von: Zhang, Haowei, et al.
Veröffentlicht: (2024)

iFormer: Integrating ConvNet and Transformer for Mobile Application
von: Zheng, Chuanyang
Veröffentlicht: (2025)

When to Continue Thinking: Adaptive Thinking Mode Switching for Efficient Reasoning
von: Zhang, Xiaoyun, et al.
Veröffentlicht: (2025)

SeqPO-SiMT: Sequential Policy Optimization for Simultaneous Machine Translation
von: Xu, Ting, et al.
Veröffentlicht: (2025)

Benchmarking Gaslighting Negation Attacks Against Multimodal Large Language Models
von: Zhu, Bin, et al.
Veröffentlicht: (2025)

From Perception to Reasoning: Deep Thinking Empowers Multimodal Large Language Models
von: Zhu, Wenxin, et al.
Veröffentlicht: (2025)

AVMeme Exam: A Multimodal Multilingual Multicultural Benchmark for LLMs' Contextual and Cultural Knowledge and Thinking
von: Jiang, Xilin, et al.
Veröffentlicht: (2026)

Thinking Makes LLM Agents Introverted: How Mandatory Thinking Can Backfire in User-Engaged Agents
von: Li, Jiatong, et al.
Veröffentlicht: (2026)

Thinking with Visual Abstract: Enhancing Multimodal Reasoning via Visual Abstraction
von: Liu, Dairu, et al.
Veröffentlicht: (2025)

The Role of Smart Cities in Ethical Design Framework
von: Chen, Yijun
Veröffentlicht: (2025)

Smoothing Grounding and Reasoning for MLLM-Powered GUI Agents with Query-Oriented Pivot Tasks
von: Wu, Zongru, et al.
Veröffentlicht: (2025)

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

Your Agent is More Brittle Than You Think: Uncovering Indirect Injection Vulnerabilities in Agentic LLMs
von: Zhu, Wenhui, et al.
Veröffentlicht: (2026)

TRIMS: Trajectory-Ranked Instruction Masked Supervision for Diffusion Language Models
von: Chen, Lingjie, et al.
Veröffentlicht: (2026)

UNIDOC-BENCH: A Unified Benchmark for Document-Centric Multimodal RAG
von: Peng, Xiangyu, et al.
Veröffentlicht: (2025)