Buchumschlag

Do MLLMs Really Understand Space? A Mathematical Reasoning Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Shuo, Cheng, Jianjie, Xu, Yinuo, Yu, Yongcan, Sheng, Lijun, Wang, Peijie, Jiang, Siru, Hu, Yongguan, Ling, Run, Shao, Yihua, Ma, Ao, Feng, Wei, He, Lingxiao, Wang, Meng, Xie, Qianlong, Wang, Xingxing, Sebe, Nicu, He, Ran, Liang, Jian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reassessing the Role of Supervised Fine-Tuning: An Empirical Study in VLM Reasoning
von: Yu, Yongcan, et al.
Veröffentlicht: (2025)

How to Train Your Deep Research Agent? Prompt, Reward, and Policy Optimization in Search-R1
von: Xu, Yinuo, et al.
Veröffentlicht: (2026)

Understanding and Mitigating Spurious Signal Amplification in Test-Time Reinforcement Learning for Math Reasoning
von: Yu, Yongcan, et al.
Veröffentlicht: (2026)

FITRep: Attention-Guided Item Representation via MLLMs
von: Zhang, Guoxiao, et al.
Veröffentlicht: (2025)

DeepResearch-Slice: Bridging the Retrieval-Utilization Gap via Explicit Text Slicing
von: Lu, Shuo, et al.
Veröffentlicht: (2025)

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

WorldCoder-Bench: Benchmarking Physically Grounded 3D World Synthesis
von: Lu, Shuo, et al.
Veröffentlicht: (2026)

STAMP: Outlier-Aware Test-Time Adaptation with Stable Memory Replay
von: Yu, Yongcan, et al.
Veröffentlicht: (2024)

Enhanced Multi-Scale Cross-Attention for Person Image Generation
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Graph Transformer GANs with Graph Masked Modeling for Architectural Layout Generation
von: Tang, Hao, et al.
Veröffentlicht: (2024)

Cooperative Pseudo Labeling for Unsupervised Federated Classification
von: Guo, Kuangpu, et al.
Veröffentlicht: (2025)

RankFeat&RankWeight: Rank-1 Feature/Weight Removal for Out-of-distribution Detection
von: Song, Yue, et al.
Veröffentlicht: (2023)

High-Fidelity 3D Facial Avatar Synthesis with Controllable Fine-Grained Expressions
von: He, Yikang, et al.
Veröffentlicht: (2026)

Do We Really Need Curated Malicious Data for Safety Alignment in Multi-modal Large Language Models?
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Test-Time Immunization: A Universal Defense Framework Against Jailbreaks for (Multimodal) Large Language Models
von: Yu, Yongcan, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Trustworthiness in Reasoning with Large Language Models
von: Wang, Yanbo, et al.
Veröffentlicht: (2025)

Asymmetric GANs for Image-to-Image Translation
von: Tang, Hao, et al.
Veröffentlicht: (2019)

Spatial-Temporal Graph Mamba for Music-Guided Dance Video Synthesis
von: Tang, Hao, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection: A Task-Oriented Survey of Recent Advances
von: Lu, Shuo, et al.
Veröffentlicht: (2024)

Do Efficient Transformers Really Save Computation?
von: Yang, Kai, et al.
Veröffentlicht: (2024)

Large Language Models for Multimodal Deformable Image Registration
von: Ma, Mingrui, et al.
Veröffentlicht: (2024)

Rethinking the Learning Paradigm for Facial Expression Recognition
von: Wang, Weijie, et al.
Veröffentlicht: (2022)

Do MLLMs Really See It: Reinforcing Visual Attention in Multimodal LLMs
von: Ou, Siqu, et al.
Veröffentlicht: (2026)

RIA: A Ranking-Infused Approach for Optimized listwise CTR Prediction
von: Zhang, Guoxiao, et al.
Veröffentlicht: (2025)

Mitigating the Safety-utility Trade-off in LLM Alignment via Adaptive Safe Context Learning
von: Wang, Yanbo, et al.
Veröffentlicht: (2026)

Detector-Empowered Video Large Language Model for Efficient Spatio-Temporal Grounding
von: Gao, Shida, et al.
Veröffentlicht: (2025)

CLIP is Strong Enough to Fight Back: Test-time Counterattacks towards Zero-shot Adversarial Robustness of CLIP
von: Xing, Songlong, et al.
Veröffentlicht: (2025)

Hyperbolic Busemann Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2026)

Comment on ‘Aquablation for benign prostatic hyperplasia: real‐world prostate size relevance and bleeding events across 6 years’
von: Shuo Lin, et al.
Veröffentlicht: (2026)

PoInit-of-View: Poisoning Initialization of Views Transfers Across Multiple 3D Reconstruction Systems
von: Wang, Weijie, et al.
Veröffentlicht: (2026)

AlignCAT: Visual-Linguistic Alignment of Category and Attribute for Weakly Supervised Visual Grounding
von: Wang, Yidan, et al.
Veröffentlicht: (2025)

RMLR: Extending Multinomial Logistic Regression into General Geometries
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Reverse Personalization
von: Kung, Han-Wei, et al.
Veröffentlicht: (2025)

One-dimensional $\mathbb{Z}$-classified topological crystalline insulator under space-time inversion symmetry
von: Lin, Ling, et al.
Veröffentlicht: (2024)

FocalPolicy: Frequency-Optimized Chunking and Locally Anchored Flow Matching for Coherent Visuomotor Policy
von: He, Qian, et al.
Veröffentlicht: (2026)

StyMam: A Mamba-Based Generator for Artistic Style Transfer
von: Hong, Zhou, et al.
Veröffentlicht: (2026)

R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning
von: Sheng, Lijun, et al.
Veröffentlicht: (2025)

On the Mathematics of RNA Velocity II: Algorithmic Aspects
von: Li, Tiejun, et al.
Veröffentlicht: (2023)

RelaCtrl: Relevance-Guided Efficient Control for Diffusion Transformers
von: Cao, Ke, et al.
Veröffentlicht: (2025)

Anti-Forgetting Adaptation for Unsupervised Person Re-identification
von: Chen, Hao, et al.
Veröffentlicht: (2024)