Enregistré dans:
| Auteurs principaux: | Li, Yuyang, He, Yime, Zhang, Zeyu, Gong, Dong |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2604.27695 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
TeleMem: Building Long-Term and Multimodal Memory for Agentic AI
par: Chen, Chunliang, et autres
Publié: (2025)
par: Chen, Chunliang, et autres
Publié: (2025)
EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
par: Wang, Ziyang, et autres
Publié: (2026)
par: Wang, Ziyang, et autres
Publié: (2026)
Mem4Nav: Boosting Vision-and-Language Navigation in Urban Environments with a Hierarchical Spatial-Cognition Long-Short Memory System
par: He, Lixuan, et autres
Publié: (2025)
par: He, Lixuan, et autres
Publié: (2025)
OmniMem: Scalable and Adaptive Memory Retrieval for Long Video Generation
par: Zhao, Lin, et autres
Publié: (2026)
par: Zhao, Lin, et autres
Publié: (2026)
3DLLM-Mem: Long-Term Spatial-Temporal Memory for Embodied 3D Large Language Model
par: Hu, Wenbo, et autres
Publié: (2025)
par: Hu, Wenbo, et autres
Publié: (2025)
Mem-W: Latent Memory-Native GUI Agents
par: Zhang, Guibin, et autres
Publié: (2026)
par: Zhang, Guibin, et autres
Publié: (2026)
Stark: Social Long-Term Multi-Modal Conversation with Persona Commonsense Knowledge
par: Lee, Young-Jun, et autres
Publié: (2024)
par: Lee, Young-Jun, et autres
Publié: (2024)
WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction
par: Liu, Chengzhi, et autres
Publié: (2026)
par: Liu, Chengzhi, et autres
Publié: (2026)
VERA: Identifying and Leveraging Visual Evidence Retrieval Heads in Long-Context Understanding
par: Pei, Rongcan, et autres
Publié: (2026)
par: Pei, Rongcan, et autres
Publié: (2026)
Evi-Steer: Learning to Steer Biomedical Vision-Language Models through Efficient and Generalizable Evidential Tuning
par: Koleilat, Taha, et autres
Publié: (2026)
par: Koleilat, Taha, et autres
Publié: (2026)
According to Me: Long-Term Personalized Referential Memory QA
par: Mei, Jingbiao, et autres
Publié: (2026)
par: Mei, Jingbiao, et autres
Publié: (2026)
MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory
par: Guo, Minghao, et autres
Publié: (2026)
par: Guo, Minghao, et autres
Publié: (2026)
MemLens: Benchmarking Multimodal Long-Term Memory in Large Vision-Language Models
par: Ren, Xiyu, et autres
Publié: (2026)
par: Ren, Xiyu, et autres
Publié: (2026)
MemLoRA: Distilling Expert Adapters for On-Device Memory Systems
par: Bini, Massimo, et autres
Publié: (2025)
par: Bini, Massimo, et autres
Publié: (2025)
Active Video Perception: Iterative Evidence Seeking for Agentic Long Video Understanding
par: Wang, Ziyang, et autres
Publié: (2025)
par: Wang, Ziyang, et autres
Publié: (2025)
PersonaVLM: Long-Term Personalized Multimodal LLMs
par: Nie, Chang, et autres
Publié: (2026)
par: Nie, Chang, et autres
Publié: (2026)
VerIPO: Cultivating Long Reasoning in Video-LLMs via Verifier-Gudied Iterative Policy Optimization
par: Li, Yunxin, et autres
Publié: (2025)
par: Li, Yunxin, et autres
Publié: (2025)
LightMem: Lightweight and Efficient Memory-Augmented Generation
par: Fang, Jizhan, et autres
Publié: (2025)
par: Fang, Jizhan, et autres
Publié: (2025)
StoryMem: Multi-shot Long Video Storytelling with Memory
par: Zhang, Kaiwen, et autres
Publié: (2025)
par: Zhang, Kaiwen, et autres
Publié: (2025)
Chain of Evidence: Pixel-Level Visual Attribution for Iterative Retrieval-Augmented Generation
par: Liu, Peiyang, et autres
Publié: (2026)
par: Liu, Peiyang, et autres
Publié: (2026)
Text-Only Training for Image Captioning with Retrieval Augmentation and Modality Gap Correction
par: Fonseca, Rui, et autres
Publié: (2025)
par: Fonseca, Rui, et autres
Publié: (2025)
MemFlow: Optical Flow Estimation and Prediction with Memory
par: Dong, Qiaole, et autres
Publié: (2024)
par: Dong, Qiaole, et autres
Publié: (2024)
Few-Shot Relation Extraction with Hybrid Visual Evidence
par: Gong, Jiaying, et autres
Publié: (2024)
par: Gong, Jiaying, et autres
Publié: (2024)
WorldMem: Long-term Consistent World Simulation with Memory
par: Xiao, Zeqi, et autres
Publié: (2025)
par: Xiao, Zeqi, et autres
Publié: (2025)
EviRCOD: Evidence-Guided Probabilistic Decoding for Referring Camouflaged Object Detection
par: Wang, Ye, et autres
Publié: (2026)
par: Wang, Ye, et autres
Publié: (2026)
VimRAG: Navigating Massive Visual Context in Retrieval-Augmented Generation via Multimodal Memory Graph
par: Wang, Qiuchen, et autres
Publié: (2026)
par: Wang, Qiuchen, et autres
Publié: (2026)
PASK: Toward Intent-Aware Proactive Agents with Long-Term Memory
par: Xie, Zhifei, et autres
Publié: (2026)
par: Xie, Zhifei, et autres
Publié: (2026)
Decomposing Queries into Tool Calls for Long-Video Keyframe Retrieval
par: Shlapentokh-Rothman, Michal, et autres
Publié: (2026)
par: Shlapentokh-Rothman, Michal, et autres
Publié: (2026)
MemGS: Memory-Efficient Gaussian Splatting for Real-Time SLAM
par: Bai, Yinlong, et autres
Publié: (2025)
par: Bai, Yinlong, et autres
Publié: (2025)
Enhancing Visual Dialog State Tracking through Iterative Object-Entity Alignment in Multi-Round Conversations
par: Pang, Wei, et autres
Publié: (2024)
par: Pang, Wei, et autres
Publié: (2024)
V-Retrver: Evidence-Driven Agentic Reasoning for Universal Multimodal Retrieval
par: Chen, Dongyang, et autres
Publié: (2026)
par: Chen, Dongyang, et autres
Publié: (2026)
Personal Visual Memory from Explicit and Implicit Evidence
par: Nguyen, Viet, et autres
Publié: (2026)
par: Nguyen, Viet, et autres
Publié: (2026)
VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
par: Jin, Hongbo, et autres
Publié: (2025)
par: Jin, Hongbo, et autres
Publié: (2025)
Entropy-Gradient Grounding: Training-Free Evidence Retrieval in Vision-Language Models
par: Gröpl, Marcel, et autres
Publié: (2026)
par: Gröpl, Marcel, et autres
Publié: (2026)
Dynamic Adapter with Semantics Disentangling for Cross-lingual Cross-modal Retrieval
par: Cai, Rui, et autres
Publié: (2024)
par: Cai, Rui, et autres
Publié: (2024)
LVCHAT: Facilitating Long Video Comprehension
par: Wang, Yu, et autres
Publié: (2024)
par: Wang, Yu, et autres
Publié: (2024)
MMDocIR: Benchmarking Multimodal Retrieval for Long Documents
par: Dong, Kuicai, et autres
Publié: (2025)
par: Dong, Kuicai, et autres
Publié: (2025)
Systematic Reward Gap Optimization for Mitigating VLM Hallucinations
par: He, Lehan, et autres
Publié: (2024)
par: He, Lehan, et autres
Publié: (2024)
VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges
par: Wang, Yuxuan, et autres
Publié: (2024)
par: Wang, Yuxuan, et autres
Publié: (2024)
DecMem: Towards Minute-Long Consistent World Generation with Decoupled Memory
par: Yang, Zhenhao, et autres
Publié: (2026)
par: Yang, Zhenhao, et autres
Publié: (2026)
Documents similaires
-
TeleMem: Building Long-Term and Multimodal Memory for Agentic AI
par: Chen, Chunliang, et autres
Publié: (2025) -
EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
par: Wang, Ziyang, et autres
Publié: (2026) -
Mem4Nav: Boosting Vision-and-Language Navigation in Urban Environments with a Hierarchical Spatial-Cognition Long-Short Memory System
par: He, Lixuan, et autres
Publié: (2025) -
OmniMem: Scalable and Adaptive Memory Retrieval for Long Video Generation
par: Zhao, Lin, et autres
Publié: (2026) -
3DLLM-Mem: Long-Term Spatial-Temporal Memory for Embodied 3D Large Language Model
par: Hu, Wenbo, et autres
Publié: (2025)