:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Su, Zhaochen, Gao, Jincheng, Guo, Hangyu, Liu, Zhenhua, Zhang, Lueyang, Geng, Xinyu, Huang, Shijue, Xia, Peng, Jiang, Guanyu, Wang, Cheng, Zhang, Yue, Fung, Yi R., He, Junxian
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2602.23166
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards On-Policy Data Evolution for Visual-Native Multimodal Deep Search Agents
von: Huang, Shijue, et al.
Veröffentlicht: (2026)

XSkill: Continual Learning from Experience and Skills in Multimodal Agents
von: Jiang, Guanyu, et al.
Veröffentlicht: (2026)

CostBench: Evaluating Multi-Turn Cost-Optimal Planning and Adaptation in Dynamic Environments for LLM Tool-Use Agents
von: Liu, Jiayu, et al.
Veröffentlicht: (2025)

The Tool Decathlon: Benchmarking Language Agents for Diverse, Realistic, and Long-Horizon Task Execution
von: Li, Junlong, et al.
Veröffentlicht: (2025)

Thinking with Images for Multimodal Reasoning: Foundations, Methods, and Future Frontiers
von: Su, Zhaochen, et al.
Veröffentlicht: (2025)

AdaCtrl: Towards Adaptive and Controllable Reasoning via Difficulty-Aware Budgeting
von: Huang, Shijue, et al.
Veröffentlicht: (2025)

Efficient Multimodal Planning Agent for Visual Question-Answering
von: Chen, Zhuo, et al.
Veröffentlicht: (2026)

VistaScenario: Interaction Scenario Engineering for Vehicles with Intelligent Systems for Transport Automation
von: Chang, Cheng, et al.
Veröffentlicht: (2024)

UltraHorizon: Benchmarking Agent Capabilities in Ultra Long-Horizon Scenarios
von: Luo, Haotian, et al.
Veröffentlicht: (2025)

Mixture of Finite Mixtures Model for Basket Trial
von: Geng, Junxian, et al.
Veröffentlicht: (2020)

VisualWebArena: Evaluating Multimodal Agents on Realistic Visual Web Tasks
von: Koh, Jing Yu, et al.
Veröffentlicht: (2024)

NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research
von: Zhong, Lujia, et al.
Veröffentlicht: (2026)

MathChat: Converse to Tackle Challenging Math Problems with LLM Agents
von: Wu, Yiran, et al.
Veröffentlicht: (2023)

TrajTok: Technical Report for 2025 Waymo Open Sim Agents Challenge
von: Zhang, Zhiyuan, et al.
Veröffentlicht: (2025)

Insight Agents: An LLM-Based Multi-Agent System for Data Insights
von: Bai, Jincheng, et al.
Veröffentlicht: (2026)

Drone Behavior Inspired Optimization: A Multi-Agent Search Algorithm with Local Reconnaissance, Global Collaboration, and Environmental Perturbation
von: Zhang, Jincheng
Veröffentlicht: (2025)

VisualAgentBench: Towards Large Multimodal Models as Visual Foundation Agents
von: Liu, Xiao, et al.
Veröffentlicht: (2024)

DV-World: Benchmarking Data Visualization Agents in Real-World Scenarios
von: Meng, Jinxiang, et al.
Veröffentlicht: (2026)

WebGym: Scaling Training Environments for Visual Web Agents with Realistic Tasks
von: Bai, Hao, et al.
Veröffentlicht: (2026)

SELF-REDRAFT: Eliciting Intrinsic Exploration-Exploitation Balance in Test-Time Scaling for Code Generation
von: Chen, Yixiang, et al.
Veröffentlicht: (2025)

GeoVista: Visually Grounded Active Perception for Ultra-High-Resolution Remote Sensing Understanding
von: Zhu, Jiashun, et al.
Veröffentlicht: (2026)

VisBrowse-Bench: Benchmarking Visual-Native Search for Multimodal Browsing Agents
von: Zhang, Zhengbo, et al.
Veröffentlicht: (2026)

Grounding Emotion Recognition with Visual Prototypes: VEGA -- Revisiting CLIP in MERC
von: Hu, Guanyu, et al.
Veröffentlicht: (2025)

Scaling Lifelong Multi-Agent Path Finding to More Realistic Settings: Research Challenges and Opportunities
von: Jiang, He, et al.
Veröffentlicht: (2024)

LogicVista: Multimodal LLM Logical Reasoning Benchmark in Visual Contexts
von: Xiao, Yijia, et al.
Veröffentlicht: (2024)

MedAgentBench: A Realistic Virtual EHR Environment to Benchmark Medical LLM Agents
von: Jiang, Yixing, et al.
Veröffentlicht: (2025)

MMedAgent-RL: Optimizing Multi-Agent Collaboration for Multimodal Medical Reasoning
von: Xia, Peng, et al.
Veröffentlicht: (2025)

ScienceBoard: Evaluating Multimodal Autonomous Agents in Realistic Scientific Workflows
von: Sun, Qiushi, et al.
Veröffentlicht: (2025)

EduAgent: Generative Student Agents in Learning
von: Xu, Songlin, et al.
Veröffentlicht: (2024)

ARES: Multimodal Adaptive Reasoning via Difficulty-Aware Token-Level Entropy Shaping
von: Chen, Shuang, et al.
Veröffentlicht: (2025)

Dive into the Agent Matrix: A Realistic Evaluation of Self-Replication Risk in LLM Agents
von: Zhang, Boxuan, et al.
Veröffentlicht: (2025)

TableVista: Benchmarking Multimodal Table Reasoning under Visual and Structural Complexity
von: Yang, Zheyuan, et al.
Veröffentlicht: (2026)

MMSkills: Towards Multimodal Skills for General Visual Agents
von: Zhang, Kangning, et al.
Veröffentlicht: (2026)

Optimization and Experimental Study of Intelligent Spindle Liquid Integrated Balancing Terminal
von: Xianhong Zhang, et al.
Veröffentlicht: (2025)

Targeting the GDF15 Signalling for Obesity Treatment: Recent Advances and Emerging Challenges
von: Jincheng Zhang, et al.
Veröffentlicht: (2024)

COVR:Collaborative Optimization of VLMs and RL Agent for Visual-Based Control
von: Xia, Canming, et al.
Veröffentlicht: (2026)

Visual Watermarking in the Era of Diffusion Models: Advances and Challenges
von: Duan, Junxian, et al.
Veröffentlicht: (2025)

SDIF-DA: A Shallow-to-Deep Interaction Framework with Data Augmentation for Multi-modal Intent Detection
von: Huang, Shijue, et al.
Veröffentlicht: (2023)

VideoVista: A Versatile Benchmark for Video Understanding and Reasoning
von: Li, Yunxin, et al.
Veröffentlicht: (2024)

Harness-Bench: Measuring Harness Effects across Models in Realistic Agent Workflows
von: Yao, Yilun, et al.
Veröffentlicht: (2026)