Visual Attention Never Fades: Selective Progressive Attention ReCalibration for Detailed Image Captioning in Multimodal Large Language Models
Seoul National University(首尔大学)
本文提出无需训练的 SPARC 方法,通过选择性渐进重校准视觉注意力,在极小计算开销下同时提升多模态大语言模型详细图像描述的精确率与召回率。
2025-06-04 cs.AI cs.CV
Are Multimodal LLMs Ready for Surveillance? A Reality Check on Zero-Shot Anomaly Detection in the Wild
Electrical and Computer Engineering Department(电气与计算机工程系)
本文研究了多模态大语言模型在现实中的零样本异常检测性能,发现其存在保守偏差,通过特定指令可以提升F1分数,但召回率仍是关键瓶颈。
2026-05-18 cs.AI cs.CV
MindMem: Multimodal for Predicting Advertisement Memorability Using LLMs and Deep Learning
Klick Health(克利克健康)
提出多模态模型MindMem,融合文本、视觉和听觉数据预测广告记忆力,在LAMBDA和Memento10K数据集上取得最优性能,并通过LLM模拟优化广告内容,记忆力提升达74.12%。
2025-02-25 cs.AI
Can VLMs Recall Factual Associations From Visual References?
University of Southern California(南加州大学);Information Sciences Institute, University of Southern California(信息科学研究所,南加州大学)
研究发现视觉语言模型在视觉参考下回忆事实关联能力减半,通过内部状态探针可高精度检测失败,提升选择性预测覆盖率并降低错误率。
2025-08-22 cs.AI cs.CL cs.CV
IRPAPERS: A Visual Document Benchmark for Scientific Retrieval and Question Answering
Weaviate
IRPAPERS基准通过比较图像和文本检索系统,揭示了多模态混合搜索在科学文档检索和问答中的优势。
2026-02-05 cs.AI cs.CL cs.IR
Smart Routing for Multimodal Video Retrieval: When to Search What
Cloudglue
本文提出基于LLM的智能路由系统ModaRoute,通过分析查询意图动态选择ASR、OCR和视觉等最优模态,在保持60.9% Recall@5的同时将计算开销降低41%,为大规模多模态视频检索提供了兼顾成本与效果的实用方案。
2025-07-12 cs.AI cs.CV cs.IR
Controlling Multimodal LLMs via Reward-guided Decoding
Mila - Quebec AI Institute(魁北克AI研究院);Université de Montréal(蒙特利尔大学);McGill University(麦吉尔大学);Meta FAIR;Canada CIFAR AI Chair(加拿大CIFAR人工智能主席)
本文提出首个针对多模态大语言模型的奖励引导解码方法,通过两个独立奖励模型分别控制目标精确度和召回率,并控制搜索广度,在标准目标幻觉基准上实现了对MLLM推理的即时可控性,且持续优于现有幻觉缓解方法。
2025-08-15 cs.AI cs.CL cs.CV
Parametric Multimodal User Memory: Storing What Captions Cannot Carry
Pine AI(派恩人工智能);University of Washington(华盛顿大学)
该研究提出参数化多模态用户记忆,结合视觉语言模型与专用编码器,解决传统文本用户记忆丢失感知信息的问题,在PerceptMem数据集上验证了其有效性与可推广性。
2026-09-01 cs.AI cs.CL cs.CV
Xmodel-VLM: A Simple Baseline for Multimodal Vision Language Model
XiaoduoAI(小度AI)
针对大规模多模态系统服务成本高、难普及的问题,研究团队基于LLaVA范式从零训练1B规模语言模型,推出轻量高效的Xmodel-VLM多模态视觉语言模型,在消费级GPU可部署,性能媲美大模型,相关资源已开源。
2024-06-20 cs.AI cs.CV
A robust PPG foundation model using multimodal physiological supervision
Dolby Laboratories(杜比实验室)
提出一种PPG基础模型,利用ICU数据集中的心电和呼吸信号选择对比样本,无需高质量或场域数据预训练,在15个下游任务中14个取得性能提升。
2026-06-05 cs.AI cs.LG
AiGen-FoodReview: A Multimodal Dataset of Machine-Generated Restaurant Reviews and Images on Social Media
Nova School of Business and Economics(诺瓦商业与经济学院)
本文构建了包含20,144对真实与机器生成餐厅评论-图像的多模态数据集AiGen-FoodReview,并验证了多模态检测模型FLAVA可达99.80%准确率,同时开源数据集与检测器以支持虚假评论检测研究。
2024-01-16 cs.CL cs.CV cs.LG
Xuanwu: Evolving General Multimodal Models into an Industrial-Grade Foundation for Content Ecosystems
Computational Intelligence Dept, Hello Group Inc(Hello Group Inc. 计算智能部)
本文提出Xuanwu VL-2B,通过三阶段训练流程平衡业务专精与通用能力,实现7项多模态指标平均67.90分,7项业务审核任务召回率94.38%,在对抗性OCR场景中超越Gemini-2.5-Pro。
2026-03-31 cs.AI cs.CL cs.CV
ScrapMem: A Bio-inspired Framework for On-device Personalized Agent Memory via Optical Forgetting
Nanjing Agricultural University(南京农业大学);Nanjing University(南京大学)
提出ScrapMem框架,通过光学遗忘机制压缩旧记忆并构建情节记忆图,在资源受限设备上实现高效多模态长期记忆,在ATM-Bench上取得51.0% Joint@10新最优,存储降低93%,召回率提升至70.3%。
2026-05-25 cs.AI
An Improved Subject-Independent Stress Detection Model Applied to Consumer-grade Wearable Devices
Dublin City University(都柏林城市大学);VNU-HCM, University of Science(越南胡志明市国家大学科学大学)
压力是一个复杂的问题,对人类的日常表现产生广泛的生理和心理影响。具体而言,急性压力检测正在成为上下文人类理解中的有价值的应用。训练压力检测模型的两种常见方法是受试者相关和受试者无关训练方法。虽然受试者相关训练方法已被证明是构建压力检测模型的最准确方法,但受试者无关模型是更实用且更具成本效益的方法,因为它们允许在消费级可穿戴设备中部署压力水平检测和管理系统,而无需最终用户的训练数据。为了提高主体独立的压力检测模型的性能,在本文中,我们介绍了一个压力相关的生物信号处理管道与一个简单的神经网络架构,使用统计特征提取的多模态上下文传感源,包括皮肤电活动(EDA),血容量脉冲(BVP),皮肤温度(ST)从消费级可穿戴设备捕获。使用我们提出的模型架构,我们比较了压力检测模型,使用从每个单独的信号源的措施,和一个模型采用多个传感器源的融合之间的准确性。在公开的WESAD数据集上进行的大量实验表明,我们提出的模型优于传统方法,与最先进的模型相比,平均准确度提高了1.63%,同时保持了较低的标准差。我们的实验还表明,结合来自多个源的特征比单独使用一个传感器源产生更准确的预测。
2022-03-18 cs.LG
EgoGazeLite: On-Device Egocentric Gaze Prediction for Token-Efficient Multimodal LLM Video Input
Copenhagen Business School(哥本哈根商学院)
EgoGazeLite 是轻量双进程注视预测器,可在消费级硬件上实时运行,无需眼动追踪硬件即可实现 token 高效的自我中心视频理解,性能与真实注视裁剪无显著差异。
2026-08-18 cs.AI cs.CV
MMClima: A Framework for Multimodal Climate Science Data and Evaluation
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);University of Missouri(密苏里大学)
提出MMClima,一个包含10万+专家验证问答对的多模态气候问答框架,覆盖文本、视频和图表,用于评估多模态语言模型在气候科学中的表现。
2026-06-08 cs.AI cs.LG
HV-Attack: Hierarchical Visual Attack for Multimodal Retrieval Augmented Generation
The Hong Kong Polytechnic University(香港理工大学);Sun Yat-Sen University(中山大学);Singapore Management University(新加坡管理学院)
本文提出了一种分层视觉攻击方法,通过在图像输入中添加不可察觉扰动,破坏多模态检索增强生成系统的检索和生成性能。
2025-11-19 cs.AI cs.CV cs.IR
Efficient Self-Improvement in Multimodal Large Language Models: A Model-Level Judge-Free Approach
The University of Texas at Dallas(德克萨斯大学达拉斯分校);Adobe Inc.(奥多比公司)
针对现有多模态大语言模型自我改进依赖自身作裁判导致成本高、易奖励黑客攻击和模型崩溃的问题,提出无裁判框架,通过可控幻觉机制生成偏好对、轻量级编码器优化数据,在基准及IC数据集上以更低计算成本实现更优精确率和召回率。
2024-11-26 cs.AI cs.CL cs.CV
Order-Preserving Dimension Reduction for Multimodal Semantic Embedding
本文提出保序降维方法OPDR,通过新的KNN质量全局度量与闭式映射,在降低多模态嵌入维度的同时保持近邻排序,实验证明其能在显著减少计算成本的同时维持高召回准确率。
2025-08-22 cs.AI cs.IR cs.LG
EM^2Mem: Event-Centric Multimodal Memory for Large Language Models
Zhejiang University(浙江大学);South China University of Technology(华南理工大学);Lenovo Group Limited(联想集团有限公司)
该研究提出以事件为中心的多模态记忆框架EM^2Mem,将异质证据绑定到事件锚点,在三个长视频问答基准上提升了准确率、召回率,降低了延迟和推理token用量。
2026-09-02 cs.AI cs.CL cs.LG
To Memories and Beyond: From Remembering to Knowing You across Long-Term Multimodal Personal Archives
University of Bristol(布里斯托大学);Memories.ai Research(Memories.ai研究院)
针对长期记忆基准缺乏真实多模态数据的问题,提出ReaLMem基准和ChronoProfiler时间加权画像模块,提升多模态大模型在预测性个性化上的表现。
2026-09-18 cs.CL
MMRC: A Large-Scale Benchmark for Understanding Multimodal Large Language Model in Real-World Conversation
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Xi’an Jiaotong-Liverpool University(西交利物浦大学);Monash University(莫纳什大学);MBZUAI(穆罕默德·本·扎耶德人工智能大学);HKUST(香港科技大学);USTC(中国科学技术大学);IHPC, A*STAR(新加坡科技研究局资讯通信研究院)
本文提出真实世界多模态对话基准MMRC,系统评估多模态大语言模型的六项核心能力,并针对识别的四类失败模式提出NOTE-TAKING策略以显著提升对话性能。
2025-03-08 cs.CL
Beyond Final Answers: CRYSTAL Benchmark for Transparent Multimodal Reasoning Evaluation
CRYSTAL基准通过可验证的中间步骤评估多模态推理,提出Match F1和Ordered Match F1两个指标,揭示模型在推理顺序、精度与召回率上的系统性缺陷,并引入CPR和CPR-Curriculum提升推理能力。
2026-09-21 cs.AI cs.CV cs.IR
RHealthTwin: Towards Responsible and Multimodal Digital Twins for Personalized Well-being
Queen’s University(女王大学)
本文提出 RHealthTwin 负责任多模态健康数字孪生框架,通过 RPE 结构化提示与反馈循环提升安全性、个性化和可解释性,并在四类健康任务中取得优异性能。
2025-06-10 cs.AI
Dynamic Content Moderation in Livestreams: Combining Supervised Classification with MLLM-Boosted Similarity Matching
TikTok Singapore Singapore(TikTok新加坡);TikTok San Jose United States(TikTok旧金山美国);TikTok Shanghai China(TikTok上海中国)
提出一种混合审核框架,结合监督分类和基于参考的相似度匹配,利用多模态大语言模型提升准确性,在保持轻量推理的同时实现大规模直播内容审核。
2026-06-03 cs.AI cs.CV
Quantifying the Gaps Between Translation and Native Perception in Training for Multimodal, Multilingual Retrieval
Intelligent Systems Program(智能系统项目);Department of Computer Science, University of Pittsburgh(匹兹堡大学计算机科学系)
针对多语言视觉语言模型缺乏跨语言文化感知差异考量的问题,本研究通过多模态多语言检索案例量化训练数据的性能差距,提出描述增强策略并实现1.3的平均召回率提升,但差距仍存,为后续研究指明方向。
2024-10-08 cs.AI cs.CV
ReBOL: Retrieval via Bayesian Optimization with Batched LLM Relevance Observations and Query Reformulation
University of Toronto(多伦多大学)
ReBOL通过引入多模态贝叶斯优化和查询重述技术,改进检索阶段的召回率和排名质量,优于现有LLM重排序基线。
2026-03-20 cs.AI cs.IR
WorldMemArena: Evaluating Multimodal Agent Memory Through Action-World Interaction
University of California, Santa Barbara(加州大学圣芭芭拉分校);J.P. Morgan Chase(摩根大通);ETH Zurich(苏黎世联邦理工学院);Stanford University(斯坦福大学);Johns Hopkins University(约翰霍普金斯大学);Carnegie Mellon University(卡内基梅隆大学)
提出WorldMemArena基准,通过动作-世界交互循环的四阶段生命周期评估多模态智能体记忆,揭示现有方法在写入、维护、检索和使用中的失败点。
2026-06-01 cs.CL cs.CV
Personagram: Bridging Personas and Product Design for Creative Ideation with Multimodal LLMs
Toyota Research Institute(丰田研究院);Northwestern University(西北大学)
Personagram利用多模态大语言模型帮助设计师探索基于人口普查的人设,提取并重新组合产品特征,提升创意构思的可行性和参与度。
2026-02-05 cs.AI cs.HC
MERLIN: Multimodal Embedding Refinement via LLM-based Iterative Navigation for Text-Video Retrieval-Rerank Pipeline
Buzzni AI Lab(Buzzni人工智能实验室);KAIST(韩国科学技术院);Mathpresso Inc.(Mathpresso公司);UC Berkeley(加州大学伯克利分校);Fainders AI(Fainders人工智能公司);Seoul National University(首尔大学)
提出无需训练的MERLIN流水线,利用LLM进行迭代反馈学习以从用户视角精炼查询嵌入,显著提升文本-视频检索的Recall@1。
2024-10-16 cs.AI cs.CL cs.CV
Multimodal semantic retrieval for product search
Amazon Luxembourg(亚马逊卢森堡);Amazon Spain(亚马逊西班牙)
本文面向电商商品搜索构建融合文本与商品图像的多模态表示,并在电商数据集上验证其可提升语义检索的购买召回或相关性准确率。
2025-02-17 cs.IR cs.LG
Multimodal AI for Body Fat Estimation: Computer Vision and Anthropometry with DEXA Benchmarks
Dept. of Electrical Engineering and Computer Science(电气工程与计算机科学系);York University(约克大学);Toronto, Canada(加拿大多伦多)
本研究提出利用多模态AI结合计算机视觉和体态测量数据,通过DEXA基准测试验证了低成本脂肪率估计方法的有效性。
2025-11-15 cs.AI cs.CV cs.LG
Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment
University College London(伦敦大学学院)
本文提出了一种基于多模态模块化思维链的低成本EPC预评估方法,通过结构化提示实现对EPC评分的序数结构捕捉,实验表明其在数据稀缺环境下具有显著优势。
2026-02-20 cs.AI cs.CV physics.soc-ph
Universal Retrieval for Multimodal Trajectory Modeling
本文针对轨迹数据表征建模的挑战,构建了UATD数据集和GAE-Bench基准,并提出了结合视觉语言模型与优化对比学习的多模态检索框架GAE-Retriever,显著提升了多模态轨迹检索的召回率。
2025-06-27 cs.AI
KMMMU: Evaluation of Massive Multi-discipline Multimodal Understanding in Korean Language and Context
Chung-Ang University(Chung-Ang 大学);Seoul National University(首尔国立大学);SK A.X;OnelineAI;HAE-RAE
KMMMU是首个针对韩语文化机构场景的多模态理解评估基准,包含3466道韩语原生考试题,涵盖九大学科和九种视觉模态,验证了多模态模型在韩语环境下的性能差异与挑战。
2026-10-14 cs.CL cs.LG cs.MM
H2HMem: A Multimodal Memory Benchmark for Agents in Human-Human Interactions
Jilin University(吉林大学);Shanghai Jiao Tong University(上海交通大学);University of California at Merced(加州大学默塞德分校)
提出H2HMem基准,通过双人和多人多模态对话评估智能体在记忆召回、推理和应用方面的能力,揭示现有模型在多模态、多参与者场景下的显著局限。
2026-06-08 cs.CL
Geometry-Enhanced Portion Estimation for Multimodal LLMs
研究针对多模态大语言模型部分估计弱的问题,提出用精确部分头部增强冻结商业MLLM的方法,该头部基于DINOv2主干构建,无需深度传感器和微调,在三个基准测试中降低部分误差,优于旗舰MLLM及原图像模型。
2026-07-21 cs.AI cs.CV
MMLDSum-LLM: Multimodal Long-Document Summarization with Visual-Alignment and Keyword-Aware
针对多模态长文档摘要的关键信息遗漏与跨模态幻觉问题,提出结合视觉对齐与关键词感知的两阶段训练框架MMLDSum-LLM,在自研基准MMLDSum-Bench上验证了其性能优势。
2026-07-31 cs.AI
Memory-QA: Answering Recall Questions Based on Multimodal Memories
Meta Reality Labs(Meta现实实验室)
本文提出 Memory-QA 真实任务与多模态基准,并通过 Pensieve 流程整合记忆增强、时空感知检索和多记忆问答微调,较现有最优方法最高提升 14% 准确率。
2025-09-26 cs.AI cs.CL cs.DB
NutriMLLM: Multimodal Large Language Models for Dietary Micronutrient Analysis
Emory University(埃默里大学)
针对现有MLLM在膳食微量营养素估计中不可靠的问题,利用十年人口规模膳食回顾生成约110万图像-营养素三元组,微调Qwen3-VL和GLM-4.6V-Flash得到NutriMLLM,在真实图像上实现65种营养素全覆盖,准确率匹配或超越专有模型。
2026-06-08 cs.AI cs.CV
Beyond CLIP: Knowledge-Enhanced Multimodal Transformers for Cross-Modal Alignment in Diabetic Retinopathy Diagnosis
Department of Medicine Stanford University Stanford, USA(医学系 斯坦福大学)
本文提出一种基于知识的多模态Transformer框架,通过整合视网膜图像、临床文本和结构化数据,提升糖尿病视网膜病变诊断中的跨模态对齐与检索性能。
2025-12-22 cs.AI cs.CV
LITTA: Late-Interaction and Test-Time Alignment for Visually-Grounded Multimodal Retrieval
LITTA通过查询扩展提升多模态文档检索,利用晚期交互评分和反向排名融合提高检索鲁棒性,适用于计算机科学、制药和工业手册等多领域。
2026-03-10 cs.AI cs.CL cs.CV
Design2Code: Benchmarking Multimodal Code Generation for Automated Front-End Engineering
Stanford University(斯坦福大学);Georgia Tech(佐治亚理工学院);Microsoft(微软公司);Google DeepMind(谷歌DeepMind)
本文提出 Design2Code 基准,通过 484 个真实网页和自动与人工评估,系统评测多模态大语言模型将截图直接转换为前端代码的能力,并揭示其在视觉元素回忆与布局生成上的不足。
2025-02-09 cs.CL cs.CV cs.CY
Multimodal Human-AI Synergy for Medical Imaging Quality Control: A Hybrid Intelligence Framework with Adaptive Dataset Curation and Closed-Loop Evaluation
Zhongda Hospital(中大医院);School of Medicine, Southeast University(东南大学医学院);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
本文构建了医学影像质量控制数据集与评估框架,系统评估多种大语言模型在胸部X光与CT报告质量控制中的表现,发现DeepSeek-R1和Gemini 2.0-Flash性能优越,展示了人机协同混合智能框架在医学影像QC中的应用潜力。
2025-03-10 cs.CL cs.CV
What the Reranker Sees: Multi-Aspect Page Annotation for Long-Document Multimodal Question Answering
Emory University(埃默里大学);Hippocratic AI(希波克拉底人工智能公司)
本文针对长文档多模态问答的重排序瓶颈,提出含Trident-R与Trident-S组件的Trident模型,通过多方面页面标注提升检索与生成性能,在多数据集上取得显著效果。
2026-08-18 cs.AI
Progressive Multimodal Search and Reasoning for Knowledge-Intensive Visual Question Answering
Interdisciplinary Program in Artificial Intelligence(人工智能交叉学科项目);Department of Intelligence and Information(智能与信息系);Samsung Advanced Institute of Technology(三星先进技术研究院)
本文提出PMSR框架,通过逐步构建结构化推理轨迹提升知识获取与综合能力,实验显示在六个基准测试中提升了检索召回率和端到端回答准确性。
2026-04-22 cs.AI cs.CV
From Gaze to Guidance: Interpreting and Adapting to Users' Cognitive Needs with Multimodal Gaze-Aware AI Assistants
Microsoft Research(微软研究院);MIT Media Lab(麻省理工学院媒体实验室)
本文提出一种基于注视的多模态LLM助手,通过眼动追踪提升用户阅读行为评估的准确性与个性化,实验表明其能有效提升信息回忆能力并提高交互效率。
2026-04-09 cs.AI cs.HC
HRI-SA: A Multimodal Dataset for Online Assessment of Human Situational Awareness during Remote Human-Robot Teaming
CSIRO Robotics(CSIRO机器人实验室);Monash Robotics(莫纳什大学机器人实验室)
本文提出HRI-SA数据集,用于评估远程人机协同中的人类情境意识,通过眼动、瞳孔直径等多模态数据,验证了通用眼动特征在检测感知情境意识延迟中的有效性。
2026-03-18 cs.HC cs.LG cs.MA
Do Multimodal Large Language Models Understand Welding?
University of Notre Dame(圣母大学);Keough School of Global Affairs, University of Notre Dame(圣母大学基全球事务学院);Industry Labs, University of Notre Dame(圣母大学产业实验室)
该研究聚焦多模态大语言模型在焊接领域的应用,构建专家标注的焊接图像数据集评估两款前沿模型的焊接合格性判断能力,还提出结合思维链与上下文学习的WeldPrompt提示策略以缓解幻觉,揭示了该类模型在高风险工业技术领域的潜力与局限。
2025-03-18 cs.CL cs.CV
From High Recall to High Utility: Dataset-Adaptive Post-Processing of LLM-Generated Customer Intents
Cisco Systems, Inc.(思科系统公司)
本文提出一种数据集自适应后处理架构,将LLM高召回提取的客户意图经标准化、去重、聚类和受约束聚合,转化为高效用、可追踪的意图单元,并应用于下游意图推断与语义检索映射。
2026-10-08 cs.AI cs.IR
SocialPersona: Benchmarking Personalized Profiling and Response with Multimodal Social-Media Context
Harbin Institute of Technology(哈尔滨工业大学)
提出SocialPersona基准,评估多模态大语言模型从社交媒体时间线推断用户偏好并用于对话的能力,实验表明模型在细粒度与近期偏好上表现不足。
2026-06-26 cs.CL cs.HC cs.IR
Do Factual Recall Mechanisms Carry over from Text to Speech in Multimodal Language Models?
Zenseact;Unbox AI;Chalmers University of Technology(楚德斯大学);University of Gothenburg(哥德堡大学);KTH Royal Institute of Technology(皇家理工学院)
研究探讨了多模态语言模型中事实回忆机制在文本和语音模态间的延续性,通过因果中介分析揭示了语音到文本与文本到文本在事实存储和回忆中的差异。
2026-05-21 cs.CL
Auto-Detection of Safety Issues in Baby Products
University of Waterloo(滑铁卢大学)
每年都有成千上万的人受到与消费品相关的伤害。研究表明,可以处理在线客户评论,以自主识别产品安全问题。早期发现安全问题可以导致更早的召回,从而减少伤亡。从Amazon.com收集了产品评论数据集,以及来自消费者产品安全委员会(CPSC)和欧盟委员会快速警报系统的\emph{SaferProducts.gov}投诉和召回描述。建立了一个系统来清理收集的文本并提取相关特征。通过随机森林计算特征相关性并丢弃具有低信息增益的特征来进行模糊性降低。分析了各种分类器,包括Logistic回归、SVM、Na{xue}ve-Bayes、随机森林和Entrance分类器。使用各种特征和分类器组合的实验导致在前50个评论中出现66%精度的逻辑回归模型。该分类器优于相关文献和消费品安全专业人员设定的所有基准。
2018-07-21 cs.CL cs.IR cs.LG
AGB-DE: A Corpus for the Automated Legal Assessment of Clauses in German Consumer Contracts
University of Twente(特温特大学);Technical University of Munich(慕尼黑工业大学)
本文构建了由法律专家标注的 AGB-DE 德国消费者合同条款语料库,并以 SVM、微调开放语言模型和 GPT-3.5 建立无效条款检测基线,揭示复杂条款解释是核心难点。
2024-06-10 cs.CL