Buchumschlag

Visual Room 2.0: Seeing is Not Understanding for MLLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Haokun, Zhang, Yazhou, Ding, Jizhi, Li, Qiuchi, Zhang, Peng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Seeing is Not Understanding: A Benchmark on Perception-Cognition Disparities in Large Language Models
von: Li, Haokun, et al.
Veröffentlicht: (2025)

Is Sarcasm Detection A Step-by-Step Reasoning Process in Large Language Models?
von: Yao, Ben, et al.
Veröffentlicht: (2024)

Beyond Single-Sentence Prompts: Upgrading Value Alignment Benchmarks with Dialogues and Stories
von: Zhang, Yazhou, et al.
Veröffentlicht: (2025)

Are MLMs Trapped in the Visual Room?
von: Zhang, Yazhou, et al.
Veröffentlicht: (2025)

Seeing is Believing: Rich-Context Hallucination Detection for MLLMs via Backward Visual Grounding
von: Guo, Pinxue, et al.
Veröffentlicht: (2025)

Do MLLMs Really Understand the Charts?
von: Zhang, Xiao, et al.
Veröffentlicht: (2025)

Pushing The Limit of LLM Capacity for Text Classification
von: Zhang, Yazhou, et al.
Veröffentlicht: (2024)

DialogueLLM: Context and Emotion Knowledge-Tuned Large Language Models for Emotion Recognition in Conversations
von: Zhang, Yazhou, et al.
Veröffentlicht: (2023)

Seeing from Another Perspective: Evaluating Multi-View Understanding in MLLMs
von: Yeh, Chun-Hsiao, et al.
Veröffentlicht: (2025)

Joint Extraction and Classification of Danish Competences for Job Matching
von: Li, Qiuchi, et al.
Veröffentlicht: (2024)

NurValues: Real-World Nursing Values Evaluation for Large Language Models in Clinical Context
von: Yao, Ben, et al.
Veröffentlicht: (2025)

Large Language Models for Subjective Language Understanding: A Survey
von: Song, Changhao, et al.
Veröffentlicht: (2025)

Emotion-o1: Adaptive Long Reasoning for Emotion Understanding in LLMs
von: Song, Changhao, et al.
Veröffentlicht: (2025)

Bridging External and Parametric Knowledge: Mitigating Hallucination of LLMs with Shared-Private Semantic Synergy in Dual-Stream Knowledge
von: Sui, Yi, et al.
Veröffentlicht: (2025)

MathVerse: Does Your Multi-modal LLM Truly See the Diagrams in Visual Math Problems?
von: Zhang, Renrui, et al.
Veröffentlicht: (2024)

Distill Visual Chart Reasoning Ability from LLMs to MLLMs
von: He, Wei, et al.
Veröffentlicht: (2024)

Latent Sketchpad: Sketching Visual Thoughts to Elicit Multimodal Reasoning in MLLMs
von: Zhang, Huanyu, et al.
Veröffentlicht: (2025)

When Seeing Is not Enough: Revealing the Limits of Active Reasoning in MLLMs
von: Liu, Hongcheng, et al.
Veröffentlicht: (2025)

Visual Contextual Attack: Jailbreaking MLLMs with Image-Driven Context Injection
von: Miao, Ziqi, et al.
Veröffentlicht: (2025)

MathOPEval: A Fine-grained Evaluation Benchmark for Visual Operations of MLLMs in Mathematical Reasoning
von: Li, Xiaoyuan, et al.
Veröffentlicht: (2025)

AutoJudger: An Agent-Driven Framework for Efficient Benchmarking of MLLMs
von: Ding, Xuanwen, et al.
Veröffentlicht: (2025)

T5Gemma 2: Seeing, Reading, and Understanding Longer
von: Zhang, Biao, et al.
Veröffentlicht: (2025)

Roles of MLLMs in Visually Rich Document Retrieval for RAG: A Survey
von: Zhang, Xiantao
Veröffentlicht: (2025)

Can MLLMs Read the Room? A Multimodal Benchmark for Assessing Deception in Multi-Party Social Interactions
von: Kang, Caixin, et al.
Veröffentlicht: (2025)

From Text to Pixel: Advancing Long-Context Understanding in MLLMs
von: Lu, Yujie, et al.
Veröffentlicht: (2024)

Affordance Benchmark for MLLMs
von: Wang, Junying, et al.
Veröffentlicht: (2025)

Can MLLMs Understand the Deep Implication Behind Chinese Images?
von: Zhang, Chenhao, et al.
Veröffentlicht: (2024)

GeoPQA: Bridging the Visual Perception Gap in MLLMs for Geometric Reasoning
von: Chen, Guizhen, et al.
Veröffentlicht: (2025)

Turning Internal Gap into Self-Improvement: Promoting the Generation-Understanding Unification in MLLMs
von: Han, Yujin, et al.
Veröffentlicht: (2025)

Seeing the Poem: Image-Semantic Detection of AI-Generated Modern Chinese Poetry with MLLMs
von: Wang, Shanshan, et al.
Veröffentlicht: (2026)

The Death of Feature Engineering? BERT with Linguistic Features on SQuAD 2.0
von: Li, Jiawei, et al.
Veröffentlicht: (2024)

Large Emotional World Model
von: Song, Changhao, et al.
Veröffentlicht: (2025)

Can MLLMs Read the Room? A Multimodal Benchmark for Verifying Truthfulness in Multi-Party Social Interactions
von: Kang, Caixin, et al.
Veröffentlicht: (2025)

See the Text: From Tokenization to Visual Reading
von: Xing, Ling, et al.
Veröffentlicht: (2025)

VideoScaffold: Elastic-Scale Visual Hierarchies for Streaming Video Understanding in MLLMs
von: Zheng, Naishan, et al.
Veröffentlicht: (2025)

AdaCodec: A Predictive Visual Code for Video MLLMs
von: Hou, Haowen, et al.
Veröffentlicht: (2026)

OpenPI2.0: An Improved Dataset for Entity Tracking in Texts
von: Zhang, Li, et al.
Veröffentlicht: (2023)

MLLMs-Augmented Visual-Language Representation Learning
von: Liu, Yanqing, et al.
Veröffentlicht: (2023)

SpatialViz-Bench: A Cognitively-Grounded Benchmark for Diagnosing Spatial Visualization in MLLMs
von: Wang, Siting, et al.
Veröffentlicht: (2025)

SarcasmBench: Towards Evaluating Large Language Models on Sarcasm Understanding
von: Zhang, Yazhou, et al.
Veröffentlicht: (2024)