Symbolic Grounding Reveals Representational Bottlenecks in Abstract Visual Reasoning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Vaishnav, Mohit, Tammet, Tanel |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
A Cognitive Paradigm Approach to Probe the Perception-Reasoning Interface in VLMs
par: Vaishnav, Mohit, et autres
Publié: (2025)
par: Vaishnav, Mohit, et autres
Publié: (2025)
Beyond the Linear Separability Ceiling: Aligning Representations in VLMs
par: Vompa, Enrico, et autres
Publié: (2025)
par: Vompa, Enrico, et autres
Publié: (2025)
Rephrase, Augment, Reason: Visual Grounding of Questions for Vision-Language Models
par: Prasad, Archiki, et autres
Publié: (2023)
par: Prasad, Archiki, et autres
Publié: (2023)
VGR: Visual Grounded Reasoning
par: Wang, Jiacong, et autres
Publié: (2025)
par: Wang, Jiacong, et autres
Publié: (2025)
On Data Synthesis and Post-training for Visual Abstract Reasoning
par: Zhu, Ke, et autres
Publié: (2025)
par: Zhu, Ke, et autres
Publié: (2025)
VEGGIE: Instructional Editing and Reasoning Video Concepts with Grounded Generation
par: Yu, Shoubin, et autres
Publié: (2025)
par: Yu, Shoubin, et autres
Publié: (2025)
ScanReason: Empowering 3D Visual Grounding with Reasoning Capabilities
par: Zhu, Chenming, et autres
Publié: (2024)
par: Zhu, Chenming, et autres
Publié: (2024)
Visual Grounding Methods for VQA are Working for the Wrong Reasons!
par: Shrestha, Robik, et autres
Publié: (2020)
par: Shrestha, Robik, et autres
Publié: (2020)
Visual Description Grounding Reduces Hallucinations and Boosts Reasoning in LVLMs
par: Ghosh, Sreyan, et autres
Publié: (2024)
par: Ghosh, Sreyan, et autres
Publié: (2024)
Traceable Evidence Enhanced Visual Grounded Reasoning: Evaluation and Methodology
par: Wang, Haochen, et autres
Publié: (2025)
par: Wang, Haochen, et autres
Publié: (2025)
DRAGON: A Benchmark for Evidence-Grounded Visual Reasoning over Diagrams
par: Iyengar, Anirudh Iyengar Kaniyar Narayana, et autres
Publié: (2026)
par: Iyengar, Anirudh Iyengar Kaniyar Narayana, et autres
Publié: (2026)
Long Grounded Thoughts: Synthesizing Visual Problems and Reasoning Chains at Scale
par: Acuna, David, et autres
Publié: (2025)
par: Acuna, David, et autres
Publié: (2025)
Diagnosing Bottlenecks in Data Visualization Understanding by Vision-Language Models
par: Tartaglini, Alexa R., et autres
Publié: (2025)
par: Tartaglini, Alexa R., et autres
Publié: (2025)
VideoTree: Adaptive Tree-based Video Representation for LLM Reasoning on Long Videos
par: Wang, Ziyang, et autres
Publié: (2024)
par: Wang, Ziyang, et autres
Publié: (2024)
KARL: Knowledge-Aware Reasoning and Reinforcement Learning for Knowledge-Intensive Visual Grounding
par: Ma, Xinyu, et autres
Publié: (2025)
par: Ma, Xinyu, et autres
Publié: (2025)
Seeing Culture: A Benchmark for Visual Reasoning and Grounding
par: Satar, Burak, et autres
Publié: (2025)
par: Satar, Burak, et autres
Publié: (2025)
Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding
par: Sun, Shenghuan, et autres
Publié: (2024)
par: Sun, Shenghuan, et autres
Publié: (2024)
Dynamic Clue Bottlenecks: Towards Interpretable-by-Design Visual Question Answering
par: Fu, Xingyu, et autres
Publié: (2023)
par: Fu, Xingyu, et autres
Publié: (2023)
When and How Much to Imagine: Adaptive Test-Time Scaling with World Models for Visual Spatial Reasoning
par: Yu, Shoubin, et autres
Publié: (2026)
par: Yu, Shoubin, et autres
Publié: (2026)
Responses Fall Short of Understanding: Revealing the Gap between Internal Representations and Responses in Visual Document Understanding
par: Kawasaki, Haruka, et autres
Publié: (2026)
par: Kawasaki, Haruka, et autres
Publié: (2026)
VoCoT: Unleashing Visually Grounded Multi-Step Reasoning in Large Multi-Modal Models
par: Li, Zejun, et autres
Publié: (2024)
par: Li, Zejun, et autres
Publié: (2024)
CREMA: Generalizable and Efficient Video-Language Reasoning via Multimodal Modular Fusion
par: Yu, Shoubin, et autres
Publié: (2024)
par: Yu, Shoubin, et autres
Publié: (2024)
VisionCoach: Reinforcing Grounded Video Reasoning via Visual-Perception Prompting
par: Lee, Daeun, et autres
Publié: (2026)
par: Lee, Daeun, et autres
Publié: (2026)
How Multimodal LLMs Solve Image Tasks: A Lens on Visual Grounding, Task Reasoning, and Answer Decoding
par: Yu, Zhuoran, et autres
Publié: (2025)
par: Yu, Zhuoran, et autres
Publié: (2025)
Chain-of-Ground: Improving GUI Grounding via Iterative Reasoning and Reference Feedback
par: Li, Aiden Yiliu, et autres
Publié: (2025)
par: Li, Aiden Yiliu, et autres
Publié: (2025)
Video-Skill-CoT: Skill-based Chain-of-Thoughts for Domain-Adaptive Video Reasoning
par: Lee, Daeun, et autres
Publié: (2025)
par: Lee, Daeun, et autres
Publié: (2025)
The Scaling Properties of Implicit Deductive Reasoning in Transformers
par: Vompa, Enrico, et autres
Publié: (2026)
par: Vompa, Enrico, et autres
Publié: (2026)
VisuRiddles: Fine-grained Perception is a Primary Bottleneck for Multimodal Large Language Models in Abstract Visual Reasoning
par: Yan, Hao, et autres
Publié: (2025)
par: Yan, Hao, et autres
Publié: (2025)
Efficient Adaptation For Remote Sensing Visual Grounding
par: Moughnieh, Hasan, et autres
Publié: (2025)
par: Moughnieh, Hasan, et autres
Publié: (2025)
The Role of Entropy in Visual Grounding: Analysis and Optimization
par: Li, Shuo, et autres
Publié: (2025)
par: Li, Shuo, et autres
Publié: (2025)
CAPTURe: Evaluating Spatial Reasoning in Vision Language Models via Occluded Object Counting
par: Pothiraj, Atin, et autres
Publié: (2025)
par: Pothiraj, Atin, et autres
Publié: (2025)
MEXA: Towards General Multimodal Reasoning with Dynamic Multi-Expert Aggregation
par: Yu, Shoubin, et autres
Publié: (2025)
par: Yu, Shoubin, et autres
Publié: (2025)
Unbiased Visual Reasoning with Controlled Visual Inputs
par: Li, Zhaonan, et autres
Publié: (2025)
par: Li, Zhaonan, et autres
Publié: (2025)
Multimodal Fact-Level Attribution for Verifiable Reasoning
par: Wan, David, et autres
Publié: (2026)
par: Wan, David, et autres
Publié: (2026)
Error-Driven Scene Editing for 3D Grounding in Large Language Models
par: Zhang, Yue, et autres
Publié: (2025)
par: Zhang, Yue, et autres
Publié: (2025)
TimeRefine: Temporal Grounding with Time Refining Video LLM
par: Wang, Xizi, et autres
Publié: (2024)
par: Wang, Xizi, et autres
Publié: (2024)
Migician: Revealing the Magic of Free-Form Multi-Image Grounding in Multimodal Large Language Models
par: Li, You, et autres
Publié: (2025)
par: Li, You, et autres
Publié: (2025)
Ego2Web: A Web Agent Benchmark Grounded in Egocentric Videos
par: Yu, Shoubin, et autres
Publié: (2026)
par: Yu, Shoubin, et autres
Publié: (2026)
Beyond Symbolic Solving: Multi Chain-of-Thought Voting for Geometric Reasoning in Large Language Models
par: Siddique, Md. Abu Bakor, et autres
Publié: (2026)
par: Siddique, Md. Abu Bakor, et autres
Publié: (2026)
GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents
par: Wu, Qianhui, et autres
Publié: (2025)
par: Wu, Qianhui, et autres
Publié: (2025)
Documents similaires
-
A Cognitive Paradigm Approach to Probe the Perception-Reasoning Interface in VLMs
par: Vaishnav, Mohit, et autres
Publié: (2025) -
Beyond the Linear Separability Ceiling: Aligning Representations in VLMs
par: Vompa, Enrico, et autres
Publié: (2025) -
Rephrase, Augment, Reason: Visual Grounding of Questions for Vision-Language Models
par: Prasad, Archiki, et autres
Publié: (2023) -
VGR: Visual Grounded Reasoning
par: Wang, Jiacong, et autres
Publié: (2025) -
On Data Synthesis and Post-training for Visual Abstract Reasoning
par: Zhu, Ke, et autres
Publié: (2025)