大模型推理能力

Open Vision Reasoner: Transferring Linguistic Cognitive Behavior for Visual Reasoning

Yana Wei, Liang Zhao, Jianjian Sun, Kangheng Lin, Jisheng Yin, Jingcheng Hu, Yinmin Zhang, En Yu, Haoran Lv, Zejia Weng, Jia Wang, Chunrui Han, Yuang Peng, Qi Han, Zheng Ge, Xiangyu Zhang, Daxin Jiang, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） ； StepFun ； BUPT（北京邮电大学） ； UCAS（中国科学院大学） ； THU（清华大学） ； HUST（华中科技大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)；分类 cs.CL

Comments NeurIPS 2025

GroundFlow: A Plug-in Module for Temporal Reasoning on 3D Point Cloud Sequential Grounding

Zijun Lin, Shuting He, Cheston Tan, Bihan Wen

机构 * Nanyang Technological University（南洋理工大学） ； Centre for Frontier AI Research, A*STAR（前沿人工智能研究中心，A*STAR） ； MoE Key Laboratory of Interdisciplinary Research of Computation and Economics, Shanghai University of Finance and Economics（计算与经济学交叉研究关键实验室，上海财经大学） 纠错

专题命中 视觉空间推理 ：reasoning(title,abstract)

Text-Scene: A Scene-to-Language Parsing Framework for 3D Scene Understanding

Haoyuan Li, Rui Liu, Hehe Fan, Yi Yang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；planning(abstract)；分类 cs.AI

Comments 19 pages, 12 figures, 6 tables

How Much Do Large Language Models Know about Human Motion? A Case Study in 3D Avatar Control

Kunhang Li, Jason Naradowsky, Yansong Feng, Yusuke Miyao

机构 * The University of Tokyo（东京大学） ； Peking University（北京大学） ； NII LLMC（日本信息机构大语言模型中心） 纠错

专题命中 视觉空间推理 ：planning(abstract)；分类 cs.CL、cs.AI

SD-VLM: Spatial Measuring and Understanding with Depth-Encoded Vision-Language Models

Pingyi Chen, Yujing Lou, Shen Cao, Jinhui Guo, Lubin Fan, Yue Wu, Lin Yang, Lizhuang Ma, Jieping Ye

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Alibaba Cloud Computing（阿里云 computing） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 视觉空间推理 ：chain-of-thought(abstract)；分类 cs.AI

Comments Accepted by NeurIPS 2025

SAEC: Scene-Aware Enhanced Edge-Cloud Collaborative Industrial Vision Inspection with Multimodal LLM

Yuhao Tian, Zheming Yang

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Institute of AI for Industries（工业人工智能研究所） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

Comments 5 pages, 5 figures

LEO-MINI: An Efficient Multimodal Large Language Model using Conditional Token Reduction and Mixture of Multi-Modal Experts

Yimu Wang, Mozhgan Nasr Azadani, Sean Sedwards, Krzysztof Czarnecki

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.CL

Comments To appear at EMNLP 2025

Generalizability of Large Language Model-Based Agents: A Comprehensive Survey

Minxing Zhang, Yi Yang, Roy Xie, Bhuwan Dhingra, Shuyan Zhou, Jian Pei

机构 * Duke University（杜克大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；分类 cs.AI

GPS Denied IBVS-Based Navigation and Collision Avoidance of UAV Using a Low-Cost RGB Camera

Xiaoyu Wang, Yan Rui Tan, William Leong, Sunan Huang, Rodney Teo, Cheng Xiang

机构 * Electrical and Computer Engineering Dept., National University of Singapore（新加坡国立大学电子与计算机工程系） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 视觉空间推理 ：planning(abstract)

Benchmarking and Mitigating MCQA Selection Bias of Large Vision-Language Models

Md. Atabuzzaman, Ali Asgarov, Chris Thomas

专题命中 视觉空间推理 ：reasoning(abstract)

Comments Accepted to EMNLP 2025 (Main Conference)