Buchumschlag

MATEO: A Multimodal Benchmark for Temporal Reasoning and Planning in LVLMs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roccabruna, Gabriel, Khomyn, Olha, Riccardi, Giuseppe
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Will LLMs Replace the Encoder-Only Models in Temporal Relation Classification?
von: Roccabruna, Gabriel, et al.
Veröffentlicht: (2024)

CIVET: Systematic Evaluation of Understanding in VLMs
von: Rizzoli, Massimo, et al.
Veröffentlicht: (2025)

Should We Fine-Tune or RAG? Evaluating Different Techniques to Adapt LLMs for Dialogue
von: Alghisi, Simone, et al.
Veröffentlicht: (2024)

SUPERChem: A Multimodal Reasoning Benchmark in Chemistry
von: Zhao, Zehua, et al.
Veröffentlicht: (2025)

INS-MMBench: A Comprehensive Benchmark for Evaluating LVLMs' Performance in Insurance
von: Lin, Chenwei, et al.
Veröffentlicht: (2024)

ECG-Reasoning-Benchmark: A Benchmark for Evaluating Clinical Reasoning Capabilities in ECG Interpretation
von: Oh, Jungwoo, et al.
Veröffentlicht: (2026)

Zero-Shot Defense Against Toxic Images via Inherent Multimodal Alignment in LVLMs
von: Zhao, Wei, et al.
Veröffentlicht: (2025)

ReasonBENCH: Benchmarking the (In)Stability of LLM Reasoning
von: Potamitis, Nearchos, et al.
Veröffentlicht: (2025)

Reasoning Planning for Language Models
von: Nguyen, Bao, et al.
Veröffentlicht: (2025)

TemporalBench: Benchmarking Fine-grained Temporal Understanding for Multimodal Video Models
von: Cai, Mu, et al.
Veröffentlicht: (2024)

Benchmarking ChatGPT on Algorithmic Reasoning
von: McLeish, Sean, et al.
Veröffentlicht: (2024)

Can Large Language Models Reason and Plan?
von: Kambhampati, Subbarao
Veröffentlicht: (2024)

Guiding Language Model Reasoning with Planning Tokens
von: Wang, Xinyi, et al.
Veröffentlicht: (2023)

Temporal Consistency for LLM Reasoning Process Error Identification
von: Guo, Jiacheng, et al.
Veröffentlicht: (2025)

RHYTHM: Reasoning with Hierarchical Temporal Tokenization for Human Mobility
von: He, Haoyu, et al.
Veröffentlicht: (2025)

Planetarium: A Rigorous Benchmark for Translating Text to Structured Planning Languages
von: Zuo, Max, et al.
Veröffentlicht: (2024)

Exploring and Benchmarking the Planning Capabilities of Large Language Models
von: Bohnet, Bernd, et al.
Veröffentlicht: (2024)

Why Reasoning Fails to Plan: A Planning-Centric Analysis of Long-Horizon Decision Making in LLM Agents
von: Wang, Zehong, et al.
Veröffentlicht: (2026)

Benchmarking and Confidence Evaluation of LALMs For Temporal Reasoning
von: Bhattacharya, Debarpan, et al.
Veröffentlicht: (2025)

Learning to Reason Over Time: Timeline Self-Reflection for Improved Temporal Reasoning in Language Models
von: Bazaga, Adrián, et al.
Veröffentlicht: (2025)

SAHM: A Benchmark for Arabic Financial and Shari'ah-Compliant Reasoning
von: Elbadry, Rania, et al.
Veröffentlicht: (2026)

Time-R1: Towards Comprehensive Temporal Reasoning in LLMs
von: Liu, Zijia, et al.
Veröffentlicht: (2025)

Dual-Uncertainty Guided Policy Learning for Multimodal Reasoning
von: Liu, Rui, et al.
Veröffentlicht: (2025)

CriticBench: Benchmarking LLMs for Critique-Correct Reasoning
von: Lin, Zicheng, et al.
Veröffentlicht: (2024)

Time-IMM: A Dataset and Benchmark for Irregular Multimodal Multivariate Time Series
von: Chang, Ching, et al.
Veröffentlicht: (2025)

MIKE: A New Benchmark for Fine-grained Multimodal Entity Knowledge Editing
von: Li, Jiaqi, et al.
Veröffentlicht: (2024)

NusaAksara: A Multimodal and Multilingual Benchmark for Preserving Indonesian Indigenous Scripts
von: Adilazuarda, Muhammad Farid, et al.
Veröffentlicht: (2025)

Steering LVLMs via Sparse Autoencoder for Hallucination Mitigation
von: Hua, Zhenglin, et al.
Veröffentlicht: (2025)

Graph-enhanced Large Language Models in Asynchronous Plan Reasoning
von: Lin, Fangru, et al.
Veröffentlicht: (2024)

FinChain: A Symbolic Benchmark for Verifiable Chain-of-Thought Financial Reasoning
von: Xie, Zhuohan, et al.
Veröffentlicht: (2025)

seqBench: A Tunable Benchmark to Quantify Sequential Reasoning Limits of LLMs
von: Ramezanali, Mohammad, et al.
Veröffentlicht: (2025)

EngTrace: A Symbolic Benchmark for Verifiable Process Supervision of Engineering Reasoning
von: Gull, Ayesha, et al.
Veröffentlicht: (2025)

MedRECT: A Medical Reasoning Benchmark for Error Correction in Clinical Texts
von: Iwase, Naoto, et al.
Veröffentlicht: (2025)

RAP: Retrieval-Augmented Planning with Contextual Memory for Multimodal LLM Agents
von: Kagaya, Tomoyuki, et al.
Veröffentlicht: (2024)

Towards Reasoning-Preserving Unlearning in Multimodal Large Language Models
von: Li, Hongji, et al.
Veröffentlicht: (2025)

Unlocking Multimodal Mathematical Reasoning via Process Reward Model
von: Luo, Ruilin, et al.
Veröffentlicht: (2025)

IL-TUR: Benchmark for Indian Legal Text Understanding and Reasoning
von: Joshi, Abhinav, et al.
Veröffentlicht: (2024)

ProcBench: Benchmark for Multi-Step Reasoning and Following Procedure
von: Fujisawa, Ippei, et al.
Veröffentlicht: (2024)

WikiMixQA: A Multimodal Benchmark for Question Answering over Tables and Charts
von: Foroutan, Negar, et al.
Veröffentlicht: (2025)

NeSTR: A Neuro-Symbolic Abductive Framework for Temporal Reasoning in Large Language Models
von: Liang, Feng, et al.
Veröffentlicht: (2025)