大模型推理能力

VLN-MME: Diagnosing MLLMs as Language-guided Visual Navigation agents

VLN-MME: 诊断MLLMs作为语言引导的视觉导航代理

Xunyi Zhao, Gengze Zhou, Qi Wu

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学） 纠错

专题命中 视觉空间推理 ：reasoning(abstract)；chain-of-thought(abstract)；CoT(abstract)

AI总结 VLN-MME通过统一评估框架揭示MLLMs在具身导航任务中的局限性，发现其3D空间推理能力不足。

How to Discover Knowledge for FutureG: Contextual RAG and LLM Prompting for O-RAN

如何为未来G发现知识：面向O-RAN的上下文RAG和LLM提示

Nathan Conger, Nathan Scollar, Kemal Davaslioglu, Yalin E. Sagduyu, Sastry Kompella

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

AI总结 本文提出上下文RAG方法，通过引导文档检索和上下文增强LLM性能，提升ORAN领域问答的准确性和效率，同时保持低运行时间和碳排放。

Lesion Segmentation in FDG-PET/CT Using Swin Transformer U-Net 3D: A Robust Deep Learning Framework

利用Swin Transformer U-Net 3D进行FDG-PET/CT病变分割：一种稳健的深度学习框架

Shovini Guha, Dwaipayan Nandi

机构 * Machine Learning (of Aff.) Institute of Engineering（人工智能与机器学习研究所） 纠错

专题命中 视觉空间推理 ：planning(abstract)

AI总结 本文提出SwinUNet3D框架，结合Transformer与U-Net，实现FDG-PET/CT病变分割，提升分割精度与效率。

Comments 8 pages, 3 figures, 3 tables