Crab: A Semantics-Aware Checkpoint/Restore Runtime for Agent Sandboxes
HKUST(香港科技大学)
Crab通过桥接智能体与操作系统间的语义鸿沟,提升检查点恢复的准确性,减少检查点流量,提高执行效率。
2026-04-30 cs.AI cs.OS
AgentRx: A Benchmark Study of LLM Agents for Multimodal Clinical Prediction Tasks
New York University Abu Dhabi(纽约大学阿布扎克分校)
本文研究了LLM代理在多模态临床预测任务中的表现,发现单代理框架在处理多模态数据和校准方面优于多代理系统,强调了改进多代理协作的重要性。
2026-05-11 cs.AI
COSINT-Agent: A Knowledge-Driven Multimodal Agent for Chinese Open Source Intelligence
COSINT-Agent通过整合多模态大语言模型与实体-事件-场景知识图谱,提升中文开源情报的多模态推理能力与情报生成效率。
2026-01-13 cs.AI
MMSkills: Towards Multimodal Skills for General Visual Agents
Shanghai Jiao Tong University(上海交通大学);Xiaohongshu Inc.(小红书公司);Southeast University(东南大学)
提出MMSkills框架,通过将多模态程序知识编码为紧凑的状态条件包(包含文本程序、运行时状态卡和多视角关键帧),并利用轨迹到技能生成器和分支加载多模态技能智能体,显著提升GUI和游戏场景下视觉智能体的决策能力。
2026-06-01 cs.AI
Foundations and Recent Trends in Multimodal Mobile Agents: A Survey
Australian Artificial Intelligence Institute(澳大利亚人工智能研究所);The Pennsylvania State University(宾夕法尼亚州立大学);Beijing Jiaotong University(北京交通大学);University of Liverpool(利物浦大学)
本综述全面回顾了多模态移动智能体技术,重点介绍了基于提示和基于训练的两大方法、最新评估基准及补充技术,并指出了关键挑战与未来研究方向。
2025-09-14 cs.AI
A Survey on Foundations and Frontiers of Multimodal Agentic Frameworks: Techniques and Applications
本综述针对多模态在智能体框架核心模块的作用展开系统分析,梳理了其架构整合方式、应用领域及效率权衡,为通用智能系统研究指明方向。
2026-08-24 cs.AI
ConSensus: Multi-Agent Collaboration for Multimodal Sensing
KAIST(韩国科学技术院);Nokia Bell Labs(诺基亚贝尔实验室);University of Glasgow(格拉斯哥大学)
提出ConSensus,一种无需训练的多智能体协作框架,通过将多模态感知任务分解为专用智能体并采用混合融合机制,在五个基准上平均准确率提升7.1%,融合token成本降低12.7倍。
2026-05-29 cs.AI
LMAgent: A Large-scale Multimodal Agents Society for Multi-user Simulation
University of Science and Technology of China(中国科学技术大学);Institute of Information Engineering, Chinese Academy of Sciences(中国科学院信息工程研究所);University of the Chinese Academy of Sciences(中国科学院大学);JD AI Research(京东AI研究院);Lenovo Research(联想研究院)
本研究针对真实社会动态复杂、多模态交互的特点,提出基于多模态大语言模型的大规模智能体社群LMAgent,通过自一致性提示和结合小世界模型的快速记忆机制,实现万级智能体模拟,行为表现接近人类,可支撑可信的大规模社会行为研究。
2024-12-13 cs.AI
COMMA: A Communicative Multimodal Multi-Agent Benchmark
Department of Computer Sciences University of Wisconsin-Madison(计算机科学系威斯康星大学麦迪逊分校);Department of Computer Sciences UC San Diego(计算机科学系加州大学圣地亚哥分校);Department of Radiology University of Wisconsin-Madison(放射学系威斯康星大学麦迪逊分校);Department of Computer Sciences Department of Biostatistics and Medical Informatics University of Wisconsin-Madison(计算机科学系生物统计学与医学信息学系威斯康星大学麦迪逊分校)
COMMA基准通过语言通信评估多模态多智能体系统的协作性能,揭示现有模型在智能体协作中的不足。
2025-12-16 cs.AI
A Multimodal Multi-Agent Framework for Radiology Report Generation
University of North Texas(北卡罗来纳州立大学)
针对放射学报告生成中的事实不一致、幻觉和跨模态错位问题,本文提出契合临床逐步推理的多模态多智能体框架,通过分工检索、生成、视觉分析、精炼与综合提升报告准确性、结构性和可解释性。
2025-05-14 cs.AI
MultiMind: Enhancing Werewolf Agents with Multimodal Reasoning and Theory of Mind
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Tencent(腾讯)
针对狼人杀智能体仅依赖文本且缺乏对他人认知建模的局限,提出首个多模态社交推理框架MultiMind,结合面部表情、声调与心智理论模型及MCTS算法,有效降低自身嫌疑并在人机评估中表现优越。
2025-09-14 cs.AI
ClinLens: Towards Long-Horizon LLM Agents for Longitudinal Multimodal Clinical Data Science
Shandong University(山东大学)
该研究推出CLINLENS基准,包含200项基于5种MIMIC资源的临床可执行任务,实验显示现有编码智能体与生物医学系统在正确临床分析上存在显著差距。
2026-09-29 cs.AI
MemVerse: Multimodal Memory for Lifelong Learning Agents
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
提出MemVerse,一种模型无关的即插即用记忆框架,通过分层检索记忆与参数化快速回忆结合,解决智能体在多模态交互中的灾难性遗忘和长程推理问题。
2026-06-02 cs.AI
TeachAnything: A Multimodal Crowdsourcing Platform for Training Embodied AI Agents in Symmetrical Reality
State Key Laboratory of General Artificial Intelligence(通用人工智能国家重点实验室);BIGAI
本文提出TeachAnything平台,通过多模态示范信号整合三阶段示范范式,实现跨场景、任务和具身的多样化示范数据收集,为对称现实中的具身AI代理开发提供实用基础。
2026-05-14 cs.AI
MV-Debate: Multi-view Agent Debate with Dynamic Reflection Gating for Multimodal Harmful Content Detection in Social Media
提出MV-Debate多视角智能体辩论框架,通过四个互补智能体及动态反思门控,统一检测社交媒体多模态有害内容,在三个基准数据集上显著优于现有基线。
2025-09-07 cs.AI
MARS-RA: Rank Aggregation for Credit Assignment via Multimodal Comparisons in Embodied Multi-Agent Cooperation
Newcastle University(纽卡斯尔大学);University of Auckland(奥克兰大学)
本研究针对具身多智能体协作的信用分配难题,提出MARS-RA框架,将其转化为多模态模型生成的成对比较排序聚合问题,经理论与实验验证可引导智能体有效协作。
2026-07-31 cs.AI
Agentic Temporal Graph of Reasoning with Multimodal Language Models: A Potential AI Aid to Healthcare
AI Forum(AI论坛)
针对多模态医疗诊断推理不足的问题,提出一种基于有向图的多智能体时序推理框架,通过回溯、多时间点数据及交叉验证机制提升诊断准确性,初步实验验证了其新颖性与实用价值。
2025-09-15 cs.AI
Visual-Seeker: Towards Visual-Native Multimodal Agentic Search via Active Visual Reasoning
School of Artificial Intelligence UCAS(中国科学院大学人工智能学院);Institute of Automation CAS(中国科学院自动化研究所);Ant Digital Technologies Ant Group(蚂蚁数字科技蚂蚁集团);RUC(中国人民大学);BIT(北京理工大学)
提出Visual-Seeker,一种通过主动视觉推理进行视觉原生多模态深度搜索的智能体,在五个基准上达到最先进性能,甚至超越专有模型。
2026-06-16 cs.AI
Anticipatory Planning for Multimodal AI Agents
University of Maryland, College Park(马里兰大学学院公园分校);The Ohio State University(俄亥俄州立大学);Adobe Research(Adobe研究);State University of New York at Buffalo(纽约州立大学布法罗分校)
本文提出TraceR1框架,通过前瞻性轨迹推理提升多模态代理的规划能力,实现更稳定的执行和泛化性能。
2026-03-17 cs.AI
AUGUSTUS: An LLM-Driven Multimodal Agent System with Contextualized User Memory
Adobe(Adobe公司);Netflix Eyeline Studios(Netflix Eyeline工作室);UIUC(伊利诺伊大学香槟分校)
针对现有智能体记忆系统忽视多模态信息的问题,提出AUGUSTUS多模态智能体系统,采用语义标签与图结构情境记忆,实现概念驱动检索,在ImageNet分类上速度提升3.5倍且性能优于传统方法,并在MSC基准上超越MemGPT。
2025-10-17 cs.AI
See and Remember: A Multimodal Agent for Web Traversal
Shanghai Institute of AI for Education(上海人工智能教育研究院);East China Normal University(华东师范大学)
V-GEMS通过视觉 grounding 和显式记忆系统实现精确稳健的网页浏览,实验显示其在导航任务中性能提升28.7%
2026-03-03 cs.AI
PMMC: Prospective Multimodal Memory Compilation for Long-Term LVLM Agents
针对现有LVLM智能体记忆系统的缺陷,提出PMMC框架,将部分记忆推理移至整合阶段,构建结构化问题库,提升答案质量与证据召回率,降低查询成本。
2026-08-04 cs.AI
Advancing Multimodal Agent Reasoning with Long-Term Neuro-Symbolic Memory
University of New South Wales(新南威尔士大学);Zhejiang University(浙江大学);Shanghai Jiao Tong University(上海交通大学)
本文提出NS-Mem框架,结合神经记忆与符号结构,提升多模态代理的推理能力,实验证明其在推理准确率上优于纯神经记忆系统。
2026-03-16 cs.AI
Personalizing Embodied Multimodal Large Language Model Agents over Long-term User Interactions
Yonsei University(延世大学);KAIST(韩国科学技术院)
提出POLAR框架,通过多模态知识图谱记忆机制增强具身代理在长期交互中的个性化能力,显著提升多步推理和用户上下文跟踪性能。
2026-05-25 cs.AI
CaM-Wolf: Causal-Aware Multimodal Agents for Social Deduction Games
The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));Nanyang Technological University(南洋理工大学);Shanghai Jiao Tong University(上海交通大学)
该研究针对现有SDG智能体多模态特性缺失的问题,提出首个整合多模态感知生成的CaM-Wolf,经实验验证其游戏性能与交互质量均有提升。
2026-07-30 cs.AI
AEC-Bench: A Multimodal Benchmark for Agentic Systems in Architecture, Engineering, and Construction
AEC-Bench旨在评估建筑、工程和施工领域代理系统在真实任务中的表现,涵盖图纸理解、跨表单推理和项目级协调任务,通过多模型基准测试提升基础模型性能。
2026-03-31 cs.AI
ReMMD: Realistic Multilingual Multi-Image Agentic Verification for Multimodal Misinformation Detection
Shanghai Jiaotong University(上海交通大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Tsinghua University(清华大学);Central South University(中南大学);China Electronics Technology Group Corporation 15th Research Institute(中国电子科技集团公司第十五研究所)
提出ReMMD框架,包含多语言多图像基准ReMMDBench和持久记忆验证器ReMMD-Agent,通过原子点分解和可重用证据集实现高效准确的多模态虚假信息检测。
2026-08-12 cs.AI
See, Plan, Snap: Evaluating Multimodal GUI Agents in Scratch
Tongji University(同济大学);East China Normal University(华东师范大学)
本文提出ScratchWorld基准,用于评估多模态GUI代理在Scratch中的程序构建能力,揭示了推理与执行之间的显著差距。
2026-02-11 cs.AI
MELLON - Multimodal Enhanced LLM for Online Navigation
针对网页导航智能体现有模型的不足,本文以WebShop为基准,提出MELLON等三项多模态增强方案,训练1个epoch后MELLON任务完成准确率提升9.26%,验证了多模态方法的重要性。
2026-08-11 cs.AI
MediaClaw: Multimodal Intelligent-Agent Platform Technical Report
China Unicom AI (Yuanjing) Team(中国unicom AI (元京)团队)
MediaClaw基于OpenClaw生态系统构建多模态智能体平台,通过统一抽象、插件扩展和工作流编排三层架构解决AIGC应用中的碎片化能力、异构接口、生产流程断层和高质量流程复用不足问题。
2026-05-14 cs.AI
Efficient Agent: Optimizing Planning Capability for Multimodal Retrieval Augmented Generation
OPPO Research Institute(OPPO研究院);OPPO AI Center(OPPO人工智能中心)
提出E-Agent智能体框架,通过mRAG规划器和工具感知执行序列优化多模态检索增强生成的规划能力,并引入RemPlan基准,在准确率提升13%的同时减少37%冗余搜索。
2025-08-12 cs.AI
EgoBench: An Interactive Egocentric Multimodal Benchmark for Tool-Using Agents
Ant Group(蚂蚁集团)
提出EgoBench,首个交互式自我中心多模态基准,通过1045个自我中心视频任务和用户-智能体-工具交互环境,联合评估视觉感知、工具增强多跳推理和动态交互能力,揭示当前最先进模型性能上限(平均准确率19.43%)。
2026-10-09 cs.AI
A Multimodal Framework for Human-Multi-Agent Interaction
University of Virginia(弗吉尼亚大学)
本文提出一个多模态框架,用于人与多智能体交互,通过集成多模态感知和大语言模型驱动的规划,实现自主认知代理的协调决策,解决现有系统在统一框架下整合多模态感知、具身表达和协同决策的难题。
2026-03-24 cs.AI cs.RO
How to Sense the World: Leveraging Hierarchy in Multimodal Perception for Robust Reinforcement Learning Agents
INESC-ID(里斯本高等理工学院信息技术与系统研究所);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等理工学院);KTH Royal Institute of Technology(瑞典皇家理工学院)
这项工作解决了感知世界的问题:如何学习强化学习代理环境的多模态表示,允许在不完整的感知条件下执行任务。为了解决这个问题,我们主张在设计的表示模型的层次结构,并与一个新的多模态表示模型,MUSE。所提出的模型学习分层表示:低层次的模态特定的表示,从原始观测数据编码,和一个高层次的多模态表示,编码联合模态信息,以允许强大的状态估计。我们采用MUSE作为深度强化学习代理的感官表征模型,在Atari游戏中提供多模态观察。我们对不同设计的强化学习代理进行了比较研究,表明MUSE允许代理在不完整的感知经验下以最小的性能损失执行任务。最后,我们评估了MUSE在文献标准的多模态场景中的性能,这些场景具有更高的数量和更复杂的模态,表明它在单模态和跨模态生成中优于最先进的多模态变分自编码器。
2022-01-31 cs.AI cs.LG
AgentPS: Agentic Process Supervision for Content Moderation with Multimodal LLMs
TikTok, Inc.(字节跳动公司)
针对多模态大语言模型在复杂细节密集逻辑推理上的不足,本文提出AgentPS框架,通过在微调中引入智能体式过程监督对辅助问题进行顺序推理,在公开基准和专有数据集上显著提升复杂多模态分类性能,并证明其可扩展性。
2025-07-04 cs.AI cs.CL
AgentPatch: Coarse-to-Fine Weak-Task Repair for Merging Agentic Multimodal Large Language Models
针对智能体多模态大语言模型合并时的弱任务退化与关键行为遗忘问题,提出无需训练的AgentPatch框架,通过由粗到细修复实现能力平衡,提升合并模型性能。
2026-08-10 cs.AI cs.CV
Optimus-1: Hybrid Multimodal Memory Empowered Agents Excel in Long-Horizon Tasks
Peng Cheng Laboratory(鹏城实验室);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))
本文提出混合多模态记忆模块,结合层次化有向知识图谱与抽象化多模态经验池,构建Optimus-1智能体,在Minecraft长时程任务中显著超越现有方法并接近人类水平。
2024-10-21 cs.AI cs.CL
Active Asymmetric Multi-Agent Multimodal Learning under Uncertainty
University of Maryland, College Park(马里兰大学 College Park分校)
在不确定性下主动非对称多智能体多模态学习通过模态层面协作提升事故检测性能
2026-02-04 cs.AI cs.LG
AgenticCyber: A GenAI-Powered Multi-Agent System for Multimodal Threat Detection and Adaptive Response in Cybersecurity
TNTech
AgenticCyber通过生成式AI驱动的多智能体系统,实现多模态威胁检测与自适应响应,提升网络安全性能和态势感知能力。
2025-12-06 cs.AI cs.CR
Multiagent Multimodal Categorization for Symbol Emergence: Emergent Communication via Interpersonal Cross-modal Inference
Ritsumeikan University(立命馆大学)
本文描述了一个多智能体多模态分类的计算模型,实现了紧急通信。我们澄清了计算模型是否可以再现以下功能的符号出现系统,包括两个代理与不同的感官形式玩一个命名游戏。(1)用于形成共享词汇系统的功能,该系统包括感知类别和相应的符号,由代理通过个体学习和代理之间的符号通信形成。(2)通过与另一个智能体的符号通信来提高智能体的分类准确性,即使每个智能体的某些感觉模态缺失。(3)一个智能体根据从另一个智能体采样的符号以与交叉模态推理相同的方式推断未观察到的感觉信息的功能。我们提出了一个人与人之间的多模态狄利克雷混合(Inter-MDM),它是通过划分一个综合概率生成模型,这是通过整合两个狄利克雷混合(DM)。马尔可夫链蒙特卡罗算法实现紧急通信。实验结果表明,Inter-MDM使代理人形成多模态类别和适当地共享代理人之间的迹象。它表明,紧急通信提高分类的准确性,即使当一些感官形式缺失。Inter-MDM使代理能够基于共享标记预测未观察到的信息。
2021-09-15 cs.AI cs.CL
A modular architecture for creating multimodal agents
Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
本文描述了一个灵活的和模块化的平台,以创建多模态交互代理。该平台通过事件总线运行,信号和解释按时间顺序发布在事件总线上。不同的传感器和解释组件可以通过将它们的输入和输出定义为主题来集成,这导致了进一步解释的逻辑工作流程。我们解释了广泛的组件,已开发到目前为止,并集成到一系列的互动代理。我们还解释了如何将实际的交互记录为多模态数据以及所谓的情节知识图谱。通过分析记录的交互,我们可以分析和比较不同的代理和代理组件。
2022-06-01 cs.AI cs.HC cs.RO
CH-MARL: A Multimodal Benchmark for Cooperative, Heterogeneous Multi-Agent Reinforcement Learning
Alexa AI, Amazon Inc(亚马逊公司Alexa人工智能部门);University of Southern California(南加州大学)
我们提出了一个多模态(视觉和语言)合作和异构多智能体学习的基准。我们引入了一个基准多模态数据集,其任务涉及在丰富的多房间家庭环境中多个模拟异构机器人之间的协作。我们提供了一个集成的学习框架,最先进的多智能体强化学习技术的多模态实现,以及一致的评估协议。我们的实验研究了不同模式对多智能体学习性能的影响。我们还介绍了一个简单的代理之间的消息传递方法。研究结果表明,多模态引入了独特的挑战,合作多智能体学习和有显着的空间,在这种情况下,推进多智能体强化学习方法。
2022-08-26 cs.AI cs.CV cs.LG
MPCI-Bench: A Benchmark for Multimodal Pairwise Contextual Integrity Evaluation of Language Model Agents
University of Hawaii at Manoa(夏威夷大学曼瑙分校)
MPCI-Bench是首个用于评估语言模型代理多模态情境完整性隐私行为的基准,揭示了现有模型在隐私与效用平衡及模态泄漏方面的系统性失败。
2026-01-26 cs.AI cs.CL
RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources
University of California, Santa Cruz(加州大学圣克鲁兹分校);Shanghai Jiao Tong University(上海交通大学);Microsoft(微软)
提出RESOURCE2SKILL框架,从教程视频、代码库、文章等人类多模态资源中提取可执行技能,构建分层多模态技能维基,提升智能体在七个领域的任务表现。
2026-07-20 cs.AI cs.SE
Explorer: Scaling Exploration-driven Web Trajectory Synthesis for Multimodal Web Agents
The Ohio State University(俄亥俄州立大学);Microsoft Research(微软研究院)
本文提出一种可扩展的轨迹合成方案构建了迄今最大规模的多模态Web轨迹数据集,并据此训练出在多项离线与在线基准上表现优异的Web智能体Explorer。
2025-05-30 cs.AI cs.HC
ChatMotion: A Multimodal Multi-Agent for Human Motion Analysis
University of Washington(华盛顿大学)
针对多模态大模型缺乏交互性和适应性的问题,提出ChatMotion多模态多智能体框架,通过动态解读意图、分解任务并激活专用模块,实现精确、自适应的人体运动分析。
2025-02-27 cs.AI cs.MA
F$^2$Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading
National University of Singapore(新加坡国立大学);Huazhong University of Science and Technology(华中科技大学);Zhejiang University(浙江大学)
该研究针对现有多模态金融交易模型的跨模态依赖捕捉不足、抗噪性差的问题,提出F²Agent框架,通过专业化智能体提取模态信号、模态感知自适应融合机制及抗噪正则化,在6种资产上较16个基线实现超20%年化回报率提升,表现出优异性能。
2026-08-07 cs.AI cs.MA cs.MM
Toward Trustworthy Agentic AI: A Multimodal Framework for Preventing Prompt Injection Attacks
Faculty of Computer and Information System(计算机与信息系统系);Islamic University of Madinah(麦地那伊斯兰大学);Arab Open University-Bahrain(巴林阿拉伯开放大学)
本文提出一种多模态框架,通过溯源感知机制防止代理AI中的提示注入攻击,提升系统安全性和稳定性。
2025-12-29 cs.AI cs.CR
OpenWebVoyager: Building Multimodal Web Agents via Iterative Real-World Exploration, Feedback and Optimization
Zhejiang University(浙江大学);Westlake University(西湖大学);Tencent AI Lab(腾讯AI实验室)
本文提出开源框架 OpenWebVoyager,通过模仿学习、真实网页探索、通用模型反馈与多轮轨迹优化,构建可自我改进的多模态网页智能体,并在多个测试集上验证性能持续提升。
2024-10-25 cs.AI cs.CL
Agent-RewardBench: Towards a Unified Benchmark for Reward Modeling across Perception, Planning, and Safety in Real-World Multimodal Agents
The Key Laboratory of Cognition and Decision Intelligence for Complex Systems, Institute of Automation, Chinese Academy of Sciences(认知与决策智能复杂系统重点实验室,自动化研究所,中国科学院);School of Artificial Intelligence, University of Chinese Academy of Sciences(人工智能学院,中国科学院大学)
提出Agent-RewardBench基准,通过多维度真实场景、步骤级奖励评估和严格质量控制,评估多模态大模型在智能体任务中的奖励建模能力,发现现有先进模型表现有限,亟需专门训练。
2025-06-26 cs.AI cs.CL
A Knowledge-Grounded Multimodal Search-Based Conversational Agent
Heriot-Watt University(赫瑞-瓦特大学);Adeptmind Inc.(Adeptmind公司)
基于多模态搜索的对话是一项具有挑战性的新任务:它将基于视觉的问答系统扩展为可以访问外部数据库的多轮对话。我们通过从最近发布的多模态对话(MMD)数据集(Saha等人,2017年)的报告。我们引入了一个知识为基础的多模态会话模型,其中编码的知识库(KB)表示被附加到解码器输入。我们的模型在基于文本的相似性度量方面大大优于强基线(超过9个BLEU点,其中3个完全是由于使用了来自KB的额外信息。
2018-10-20 cs.AI cs.CL
MARDoc: A Memory-Aware Refinement Agent Framework for Multimodal Long Document QA
Tianjin University(天津大学);Qifu Technology(启福科技);Beihang University(北航);Jiangnan University(江南大学)
提出MARDoc框架,通过解耦为探索、精炼和反思三个智能体,并利用结构化记忆替代完整交互历史,减少上下文噪声,提升多模态长文档问答性能。
2026-06-04 cs.AI cs.CL
SafeMobile: Chain-level Jailbreak Detection and Automated Evaluation for Multimodal Mobile Agents
Nanyang Technological University(南洋理工大学);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);Beihang University(北京航空航天大学);Sun Yat-sen University(中山大学);Beijing Institute of Technology(北京理工大学);National University of Singapore(新加坡国立大学)
SafeMobile针对移动多模态智能体越狱风险,提出融合行为序列信息的链级风险判别机制,并设计基于大语言模型的自动化评估方案,初步验证可提升风险行为识别并降低越狱概率。
2025-07-01 cs.AI cs.CR
DREAM: Dynamic Resolution Assignment For Multimodal Multi-agent Debate
Deakin University(迪肯大学);Applied Artificial Intelligence Initiative(应用人工智能计划)
DREAM通过动态分辨率分配和不确定性引导回滚聚合,解决多模态多智能体辩论中的视觉尺度差异与群体思维问题,在六个数据集上提升准确率1.5-3.2%。
2026-10-14 cs.AI cs.CL cs.CV