Buchumschlag

Assessing the alignment between infants' visual and linguistic experience using multimodal language models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tan, Alvin Wei Ming, Yang, Jane, Sepuri, Tarun, Aw, Khai Loong, Sparks, Robert Z., Yin, Zi, Marchman, Virginia A., Frank, Michael C., Long, Bria
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Characterizing the visual representation of objects from the child's view
von: Yang, Jane, et al.
Veröffentlicht: (2026)

The BabyView dataset: High-resolution egocentric videos of infants' and young children's everyday experiences
von: Long, Bria, et al.
Veröffentlicht: (2024)

DevBench: A multimodal developmental benchmark for language learning
von: Tan, Alvin Wei Ming, et al.
Veröffentlicht: (2024)

Instruction-tuning Aligns LLMs to the Human Brain
von: Aw, Khai Loong, et al.
Veröffentlicht: (2023)

Unified 3D Scene Understanding Through Physical World Modeling
von: Lee, Wanhee, et al.
Veröffentlicht: (2026)

3D Scene Understanding Through Local Random Access Sequence Modeling
von: Lee, Wanhee, et al.
Veröffentlicht: (2025)

Protecting multimodal large language models against misleading visualizations
von: Tonglet, Jonathan, et al.
Veröffentlicht: (2025)

Context informs pragmatic interpretation in vision-language models
von: Tan, Alvin Wei Ming, et al.
Veröffentlicht: (2025)

What to align in multimodal contrastive learning?
von: Dufumier, Benoit, et al.
Veröffentlicht: (2024)

MIMO: A medical vision language model with visual referring multimodal input and pixel grounding multimodal output
von: Chen, Yanyuan, et al.
Veröffentlicht: (2025)

The role of translation equivalents in bilingual word learning
von: Alvin W. M. Tan, et al.
Veröffentlicht: (2024)

On the robustness of multimodal language model towards distractions
von: Liu, Ming, et al.
Veröffentlicht: (2025)

Distinct social-linguistic processing between humans and large audio-language models: Evidence from model-brain alignment
von: Wu, Hanlin, et al.
Veröffentlicht: (2025)

Is your multimodal large language model a good science tutor?
von: Liu, Ming, et al.
Veröffentlicht: (2025)

Large language models and linguistic intentionality
von: Grindrod, Jumbly
Veröffentlicht: (2024)

How desirable is alignment between LLMs and linguistically diverse human users?
von: Knoeferle, Pia, et al.
Veröffentlicht: (2025)

A conclusive remark on linguistic theorizing and language modeling
von: Chesi, Cristiano
Veröffentlicht: (2025)

Linguini: A benchmark for language-agnostic linguistic reasoning
von: Sánchez, Eduardo, et al.
Veröffentlicht: (2024)

A blind spot for large language models: Supradiegetic linguistic information
von: Zimmerman, Julia Witte, et al.
Veröffentlicht: (2023)

Zero-shot World Models Are Developmentally Efficient Learners
von: Aw, Khai Loong, et al.
Veröffentlicht: (2026)

Evaluating Polish linguistic and cultural competency in large language models
von: Dadas, Sławomir, et al.
Veröffentlicht: (2025)

Deaf in AI: AI language technologies and the erosion of linguistic rights
von: De Meulder, Maartje
Veröffentlicht: (2025)

VaPR -- Vision-language Preference alignment for Reasoning
von: Wadhawan, Rohan, et al.
Veröffentlicht: (2025)

Closing the gap in multimodal medical representation alignment
von: Grassucci, Eleonora, et al.
Veröffentlicht: (2026)

Taming generative video models for zero-shot optical flow extraction
von: Kim, Seungwoo, et al.
Veröffentlicht: (2025)

Are formal and functional linguistic mechanisms dissociated in language models?
von: Hanna, Michael, et al.
Veröffentlicht: (2025)

Do language models accommodate their users? A study of linguistic convergence
von: Blevins, Terra, et al.
Veröffentlicht: (2025)

Vocabulary embeddings organize linguistic structure early in language model training
von: Papadimitriou, Isabel, et al.
Veröffentlicht: (2025)

RoMemes: A multimodal meme corpus for the Romanian language
von: Păiş, Vasile, et al.
Veröffentlicht: (2024)

WorldMedQA-V: a multilingual, multimodal medical examination dataset for multimodal language models evaluation
von: Matos, João, et al.
Veröffentlicht: (2024)

GRASP: A novel benchmark for evaluating language GRounding And Situated Physics understanding in multimodal language models
von: Jassim, Serwan, et al.
Veröffentlicht: (2023)

Can multimodal representation learning by alignment preserve modality-specific information?
von: Thoreau, Romain, et al.
Veröffentlicht: (2025)

A Glass Half Full: Limitations in ChiLDES Point to Ways Forward for a More Representative Developmental Science. Commentary on Scaff et al. (2025)
von: Virginia A. Marchman, et al.
Veröffentlicht: (2025)

Gravity Network for end-to-end small lesion detection
von: Russo, Ciro, et al.
Veröffentlicht: (2023)

A solution to generalized learning from small training sets found in infant repeated visual experiences of individual objects
von: Ramirez, Frangil, et al.
Veröffentlicht: (2025)

Phonological distances for linguistic typology and the origin of Indo-European languages
von: Mavridis, Marius, et al.
Veröffentlicht: (2026)

UF-AMA: A unified framework for cross-domain emotion recognition via adaptive multimodal alignment
von: Wang, Zheng, et al.
Veröffentlicht: (2026)

Investigating the interaction of linguistic and mathematical reasoning in language models using multilingual number puzzles
von: Bhattacharya, Antara Raaghavi, et al.
Veröffentlicht: (2025)

Human-like object concept representations emerge naturally in multimodal large language models
von: Du, Changde, et al.
Veröffentlicht: (2024)

Large-scale cloze evaluation reveals that token prediction tasks are neither lexically nor semantically aligned
von: Jacobs, Cassandra L., et al.
Veröffentlicht: (2024)