MMGR: Multi-Modal Generative Reasoning
Fuente:
arXiv
Salvato in:
| Autori principali: | Cai, Zefan, Qiu, Haoyi, Ma, Tianyi, Zhao, Haozhe, Zhou, Gengze, Huang, Kung-Hsiang, Kordjamshidi, Parisa, Zhang, Minjia, Xiao, Wen, Gu, Jiuxiang, Peng, Nanyun, Hu, Junjie |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
From Preferences to Prejudice: The Role of Alignment Tuning in Shaping Social Bias in Video Diffusion Models
di: Cai, Zefan, et al.
Pubblicazione: (2025)
di: Cai, Zefan, et al.
Pubblicazione: (2025)
MENTOR: Efficient Multimodal-Conditioned Tuning for Autoregressive Vision Generation Models
di: Zhao, Haozhe, et al.
Pubblicazione: (2025)
di: Zhao, Haozhe, et al.
Pubblicazione: (2025)
AMRFact: Enhancing Summarization Factuality Evaluation with AMR-Driven Negative Samples Generation
di: Qiu, Haoyi, et al.
Pubblicazione: (2023)
di: Qiu, Haoyi, et al.
Pubblicazione: (2023)
Multimodal Cultural Safety: Evaluation Framework and Alignment Strategies
di: Qiu, Haoyi, et al.
Pubblicazione: (2025)
di: Qiu, Haoyi, et al.
Pubblicazione: (2025)
SafeWorld: Geo-Diverse Safety Alignment
di: Yin, Da, et al.
Pubblicazione: (2024)
di: Yin, Da, et al.
Pubblicazione: (2024)
NePTune: A Neuro-Pythonic Framework for Tunable Compositional Reasoning on Vision-Language
di: Kamali, Danial, et al.
Pubblicazione: (2025)
di: Kamali, Danial, et al.
Pubblicazione: (2025)
Neuro-symbolic Training for Reasoning over Spatial Language
di: Premsri, Tanawan, et al.
Pubblicazione: (2024)
di: Premsri, Tanawan, et al.
Pubblicazione: (2024)
FoREST: Frame of Reference Evaluation in Spatial Reasoning Tasks
di: Premsri, Tanawan, et al.
Pubblicazione: (2025)
di: Premsri, Tanawan, et al.
Pubblicazione: (2025)
Breaking Down and Building Up: Mixture of Skill-Based Vision-and-Language Navigation Agents
di: Ma, Tianyi, et al.
Pubblicazione: (2025)
di: Ma, Tianyi, et al.
Pubblicazione: (2025)
Find The Gap: Knowledge Base Reasoning For Visual Question Answering
di: Barezi, Elham J., et al.
Pubblicazione: (2024)
di: Barezi, Elham J., et al.
Pubblicazione: (2024)
FoR-SALE: Frame of Reference-guided Spatial Adjustment in LLM-based Diffusion Editing
di: Premsri, Tanawan, et al.
Pubblicazione: (2025)
di: Premsri, Tanawan, et al.
Pubblicazione: (2025)
Narrowing the Gap between Vision and Action in Navigation
di: Zhang, Yue, et al.
Pubblicazione: (2024)
di: Zhang, Yue, et al.
Pubblicazione: (2024)
MMPersuade: A Dataset and Evaluation Framework for Multimodal Persuasion
di: Qiu, Haoyi, et al.
Pubblicazione: (2025)
di: Qiu, Haoyi, et al.
Pubblicazione: (2025)
Evaluating Cultural and Social Awareness of LLM Web Agents
di: Qiu, Haoyi, et al.
Pubblicazione: (2024)
di: Qiu, Haoyi, et al.
Pubblicazione: (2024)
VALOR-EVAL: Holistic Coverage and Faithfulness Evaluation of Large Vision-Language Models
di: Qiu, Haoyi, et al.
Pubblicazione: (2024)
di: Qiu, Haoyi, et al.
Pubblicazione: (2024)
Exploring Spatial Language Grounding Through Referring Expressions
di: Tumu, Akshar, et al.
Pubblicazione: (2025)
di: Tumu, Akshar, et al.
Pubblicazione: (2025)
Consistent Joint Decision-Making with Heterogeneous Learning Models
di: Faghihi, Hossein Rajaby, et al.
Pubblicazione: (2024)
di: Faghihi, Hossein Rajaby, et al.
Pubblicazione: (2024)
Teaching Probabilistic Logical Reasoning to Transformers
di: Nafar, Aliakbar, et al.
Pubblicazione: (2023)
di: Nafar, Aliakbar, et al.
Pubblicazione: (2023)
Reasoning over Uncertain Text by Generative Large Language Models
di: Nafar, Aliakbar, et al.
Pubblicazione: (2024)
di: Nafar, Aliakbar, et al.
Pubblicazione: (2024)
Vision-and-Language Navigation with Analogical Textual Descriptions in LLMs
di: Zhang, Yue, et al.
Pubblicazione: (2025)
di: Zhang, Yue, et al.
Pubblicazione: (2025)
METAL: A Multi-Agent Framework for Chart Generation with Test-Time Scaling
di: Li, Bingxuan, et al.
Pubblicazione: (2025)
di: Li, Bingxuan, et al.
Pubblicazione: (2025)
Referring Expressions as a Lens into Spatial Language Grounding in Vision-Language Models
di: Tumu, Akshar, et al.
Pubblicazione: (2025)
di: Tumu, Akshar, et al.
Pubblicazione: (2025)
R-KV: Redundancy-aware KV Cache Compression for Reasoning Models
di: Cai, Zefan, et al.
Pubblicazione: (2025)
di: Cai, Zefan, et al.
Pubblicazione: (2025)
NavHint: Vision and Language Navigation Agent with a Hint Generator
di: Zhang, Yue, et al.
Pubblicazione: (2024)
di: Zhang, Yue, et al.
Pubblicazione: (2024)
Decoupling Task-Solving and Output Formatting in LLM Generation
di: Deng, Haikang, et al.
Pubblicazione: (2025)
di: Deng, Haikang, et al.
Pubblicazione: (2025)
GUI-KV: Efficient GUI Agents via KV Cache with Spatio-Temporal Awareness
di: Huang, Kung-Hsiang, et al.
Pubblicazione: (2025)
di: Huang, Kung-Hsiang, et al.
Pubblicazione: (2025)
Delta Attention Residuals
di: Luo, Cheng, et al.
Pubblicazione: (2026)
di: Luo, Cheng, et al.
Pubblicazione: (2026)
Improving Event Definition Following For Zero-Shot Event Detection
di: Cai, Zefan, et al.
Pubblicazione: (2024)
di: Cai, Zefan, et al.
Pubblicazione: (2024)
NeSyCoCo: A Neuro-Symbolic Concept Composer for Compositional Generalization
di: Kamali, Danial, et al.
Pubblicazione: (2024)
di: Kamali, Danial, et al.
Pubblicazione: (2024)
Reasoners or Translators? Contamination-aware Evaluation and Neuro-Symbolic Robustness in Tax Law
di: Kordjamshidi, Parisa, et al.
Pubblicazione: (2026)
di: Kordjamshidi, Parisa, et al.
Pubblicazione: (2026)
Neuro-Symbolic Frameworks: Conceptual Characterization and Empirical Comparative Analysis
di: Sinha, Sania, et al.
Pubblicazione: (2025)
di: Sinha, Sania, et al.
Pubblicazione: (2025)
MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning
di: Zhao, Haozhe, et al.
Pubblicazione: (2023)
di: Zhao, Haozhe, et al.
Pubblicazione: (2023)
Do Vision-Language Models Represent Space and How? Evaluating Spatial Frame of Reference Under Ambiguities
di: Zhang, Zheyuan, et al.
Pubblicazione: (2024)
di: Zhang, Zheyuan, et al.
Pubblicazione: (2024)
Learning vs Retrieval: The Role of In-Context Examples in Regression with Large Language Models
di: Nafar, Aliakbar, et al.
Pubblicazione: (2024)
di: Nafar, Aliakbar, et al.
Pubblicazione: (2024)
Why Vision Language Models Struggle with Visual Arithmetic? Towards Enhanced Chart and Geometry Understanding
di: Huang, Kung-Hsiang, et al.
Pubblicazione: (2025)
di: Huang, Kung-Hsiang, et al.
Pubblicazione: (2025)
TemMed-Bench: Evaluating Temporal Medical Image Reasoning in Vision-Language Models
di: Zhang, Junyi, et al.
Pubblicazione: (2025)
di: Zhang, Junyi, et al.
Pubblicazione: (2025)
Prompt2DeModel: Declarative Neuro-Symbolic Modeling with Natural Language
di: Faghihi, Hossein Rajaby, et al.
Pubblicazione: (2024)
di: Faghihi, Hossein Rajaby, et al.
Pubblicazione: (2024)
Not All Heads Matter: A Head-Level KV Cache Compression Method with Integrated Retrieval and Reasoning
di: Fu, Yu, et al.
Pubblicazione: (2024)
di: Fu, Yu, et al.
Pubblicazione: (2024)
Improving the Robustness of Distantly-Supervised Named Entity Recognition via Uncertainty-Aware Teacher Learning and Student-Student Collaborative Learning
di: Si, Shuzheng, et al.
Pubblicazione: (2023)
di: Si, Shuzheng, et al.
Pubblicazione: (2023)
SHINE: Saliency-aware HIerarchical NEgative Ranking for Compositional Temporal Grounding
di: Cheng, Zixu, et al.
Pubblicazione: (2024)
di: Cheng, Zixu, et al.
Pubblicazione: (2024)
Documenti analoghi
-
From Preferences to Prejudice: The Role of Alignment Tuning in Shaping Social Bias in Video Diffusion Models
di: Cai, Zefan, et al.
Pubblicazione: (2025) -
MENTOR: Efficient Multimodal-Conditioned Tuning for Autoregressive Vision Generation Models
di: Zhao, Haozhe, et al.
Pubblicazione: (2025) -
AMRFact: Enhancing Summarization Factuality Evaluation with AMR-Driven Negative Samples Generation
di: Qiu, Haoyi, et al.
Pubblicazione: (2023) -
Multimodal Cultural Safety: Evaluation Framework and Alignment Strategies
di: Qiu, Haoyi, et al.
Pubblicazione: (2025) -
SafeWorld: Geo-Diverse Safety Alignment
di: Yin, Da, et al.
Pubblicazione: (2024)