MIBench: Evaluating LMMs on Multimodal Interaction
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Miao, Yu, Yang, Zequn, Wei, Yake, Chen, Ziheng, Ni, Haotian, Duan, Haodong, Chen, Kai, Hu, Di |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
RollingQ: Reviving the Cooperation Dynamics in Multimodal Transformer
par: Ni, Haotian, et autres
Publié: (2025)
par: Ni, Haotian, et autres
Publié: (2025)
MMPareto: Boosting Multimodal Learning with Innocent Unimodal Assistance
par: Wei, Yake, et autres
Publié: (2024)
par: Wei, Yake, et autres
Publié: (2024)
Diagnosing and Re-learning for Balanced Multimodal Learning
par: Wei, Yake, et autres
Publié: (2024)
par: Wei, Yake, et autres
Publié: (2024)
On-the-fly Modulation for Balanced Multimodal Learning
par: Wei, Yake, et autres
Publié: (2024)
par: Wei, Yake, et autres
Publié: (2024)
A-Bench: Are LMMs Masters at Evaluating AI-generated Images?
par: Zhang, Zicheng, et autres
Publié: (2024)
par: Zhang, Zicheng, et autres
Publié: (2024)
VITAL: Vision-Encoder-centered Pre-training for LMMs in Visual Quality Assessment
par: Jia, Ziheng, et autres
Publié: (2025)
par: Jia, Ziheng, et autres
Publié: (2025)
Quantifying and Enhancing Multi-modal Robustness with Modality Preference
par: Yang, Zequn, et autres
Publié: (2024)
par: Yang, Zequn, et autres
Publié: (2024)
MokA: Multimodal Low-Rank Adaptation for MLLMs
par: Wei, Yake, et autres
Publié: (2025)
par: Wei, Yake, et autres
Publié: (2025)
Enhancing multimodal cooperation via sample-level modality valuation
par: Wei, Yake, et autres
Publié: (2023)
par: Wei, Yake, et autres
Publié: (2023)
Don't Deceive Me: Mitigating Gaslighting through Attention Reallocation in LMMs
par: Jiao, Pengkun, et autres
Publié: (2025)
par: Jiao, Pengkun, et autres
Publié: (2025)
UniToken: Harmonizing Multimodal Understanding and Generation through Unified Visual Encoding
par: Jiao, Yang, et autres
Publié: (2025)
par: Jiao, Yang, et autres
Publié: (2025)
OBI-Bench: Can LMMs Aid in Study of Ancient Script on Oracle Bones?
par: Chen, Zijian, et autres
Publié: (2024)
par: Chen, Zijian, et autres
Publié: (2024)
MOAT: Evaluating LMMs for Capability Integration and Instruction Grounding
par: Ye, Zhoutong, et autres
Publié: (2025)
par: Ye, Zhoutong, et autres
Publié: (2025)
MIBench: Evaluating Multimodal Large Language Models over Multiple Images
par: Liu, Haowei, et autres
Publié: (2024)
par: Liu, Haowei, et autres
Publié: (2024)
Enhancing Image Quality Assessment Ability of LMMs via Retrieval-Augmented Generation
par: Fu, Kang, et autres
Publié: (2026)
par: Fu, Kang, et autres
Publié: (2026)
Action Without Interaction: Probing the Physical Foundations of Video LMMs via Contact-Release Detection
par: Harari, Daniel, et autres
Publié: (2025)
par: Harari, Daniel, et autres
Publié: (2025)
OmniEval: A Benchmark for Evaluating Omni-modal Models with Visual, Auditory, and Textual Inputs
par: Zhang, Yiman, et autres
Publié: (2025)
par: Zhang, Yiman, et autres
Publié: (2025)
GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs
par: Xu, Xinli, et autres
Publié: (2024)
par: Xu, Xinli, et autres
Publié: (2024)
VisioMath: Benchmarking Figure-based Mathematical Reasoning in LMMs
par: Li, Can, et autres
Publié: (2025)
par: Li, Can, et autres
Publié: (2025)
Adaptive Unimodal Regulation for Balanced Multimodal Information Acquisition
par: Huang, Chengxiang, et autres
Publié: (2025)
par: Huang, Chengxiang, et autres
Publié: (2025)
PuzzleBench: A Fully Dynamic Evaluation Framework for Large Multimodal Models on Puzzle Solving
par: Zhang, Zeyu, et autres
Publié: (2025)
par: Zhang, Zeyu, et autres
Publié: (2025)
Exploring the Potential of Encoder-free Architectures in 3D LMMs
par: Tang, Yiwen, et autres
Publié: (2025)
par: Tang, Yiwen, et autres
Publié: (2025)
Fewer Tokens and Fewer Videos: Extending Video Understanding Abilities in Large Vision-Language Models
par: Chen, Shimin, et autres
Publié: (2024)
par: Chen, Shimin, et autres
Publié: (2024)
Glance-or-Gaze: Incentivizing LMMs to Adaptively Focus Search via Reinforcement Learning
par: Bai, Hongbo, et autres
Publié: (2026)
par: Bai, Hongbo, et autres
Publié: (2026)
UniHOI: Unified Human-Object Interaction Understanding via Unified Token Space
par: Yang, Panqi, et autres
Publié: (2025)
par: Yang, Panqi, et autres
Publié: (2025)
UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision
par: Han, Ruiyan, et autres
Publié: (2026)
par: Han, Ruiyan, et autres
Publié: (2026)
Beyond Generation: Unlocking Universal Editing via Self-Supervised Fine-Tuning
par: Chen, Harold Haodong, et autres
Publié: (2024)
par: Chen, Harold Haodong, et autres
Publié: (2024)
MRAG-Bench: Vision-Centric Evaluation for Retrieval-Augmented Multimodal Models
par: Hu, Wenbo, et autres
Publié: (2024)
par: Hu, Wenbo, et autres
Publié: (2024)
ScalSelect: Scalable Training-Free Multimodal Data Selection for Efficient Visual Instruction Tuning
par: Wu, Changti, et autres
Publié: (2026)
par: Wu, Changti, et autres
Publié: (2026)
MoE-Enhanced Multi-Domain Feature Selection and Fusion for Fast Map-Free Trajectory Prediction
par: Xiong, Wenyi, et autres
Publié: (2025)
par: Xiong, Wenyi, et autres
Publié: (2025)
TimeMarker: A Versatile Video-LLM for Long and Short Video Understanding with Superior Temporal Localization Ability
par: Chen, Shimin, et autres
Publié: (2024)
par: Chen, Shimin, et autres
Publié: (2024)
Swin-TUNA : A Novel PEFT Approach for Accurate Food Image Segmentation
par: Chen, Haotian, et autres
Publié: (2025)
par: Chen, Haotian, et autres
Publié: (2025)
Pixel is a Barrier: Diffusion Models Are More Adversarially Robust Than We Think
par: Xue, Haotian, et autres
Publié: (2024)
par: Xue, Haotian, et autres
Publié: (2024)
Diffusion-Based Adversarial Sample Generation for Improved Stealthiness and Controllability
par: Xue, Haotian, et autres
Publié: (2023)
par: Xue, Haotian, et autres
Publié: (2023)
Steering Visual Generation in Unified Multimodal Models with Understanding Supervision
par: Liu, Zeyu, et autres
Publié: (2026)
par: Liu, Zeyu, et autres
Publié: (2026)
Free Lunch for Unified Multimodal Models: Enhancing Generation via Reflective Rectification with Inherent Understanding
par: Jiang, Yibo, et autres
Publié: (2026)
par: Jiang, Yibo, et autres
Publié: (2026)
SciVerse: Unveiling the Knowledge Comprehension and Visual Reasoning of LMMs on Multi-modal Scientific Problems
par: Guo, Ziyu, et autres
Publié: (2025)
par: Guo, Ziyu, et autres
Publié: (2025)
RSHallu: Dual-Mode Hallucination Evaluation for Remote-Sensing Multimodal Large Language Models with Domain-Tailored Mitigation
par: Zhou, Zihui, et autres
Publié: (2026)
par: Zhou, Zihui, et autres
Publié: (2026)
PathInsight: Instruction Tuning of Multimodal Datasets and Models for Intelligence Assisted Diagnosis in Histopathology
par: Wu, Xiaomin, et autres
Publié: (2024)
par: Wu, Xiaomin, et autres
Publié: (2024)
InternLM-XComposer2.5-OmniLive: A Comprehensive Multimodal System for Long-term Streaming Video and Audio Interactions
par: Zhang, Pan, et autres
Publié: (2024)
par: Zhang, Pan, et autres
Publié: (2024)
Documents similaires
-
RollingQ: Reviving the Cooperation Dynamics in Multimodal Transformer
par: Ni, Haotian, et autres
Publié: (2025) -
MMPareto: Boosting Multimodal Learning with Innocent Unimodal Assistance
par: Wei, Yake, et autres
Publié: (2024) -
Diagnosing and Re-learning for Balanced Multimodal Learning
par: Wei, Yake, et autres
Publié: (2024) -
On-the-fly Modulation for Balanced Multimodal Learning
par: Wei, Yake, et autres
Publié: (2024) -
A-Bench: Are LMMs Masters at Evaluating AI-generated Images?
par: Zhang, Zicheng, et autres
Publié: (2024)