语言大模型 / LLM

Self-Consistency in Vision-Language Models for Precision Agriculture: Multi-Response Consensus for Crop Disease Management

Mihir Gupta, Abhay Mangla, Ross Greer, Pratik Desai

机构 * The Harker School, USA（哈克尔学校） ； Dougherty Valley High School, USA（道格拉斯谷高中） ； Kissan.ai, USA（加州大学梅尔德分校） ； University of California, Merced, USA 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Ascending the Infinite Ladder: Benchmarking Spatial Deformation Reasoning in Vision-Language Models

Jiahuan Zhang, Shunwen Bai, Tianheng Wang, Kaiwen Guo, Kai Han, Guozheng Rao, Kaicheng Yu

机构 * Autolab, Westlake University（Autolab，西拉丘吉大学） ； Tianjin University（天津大学） ； Zhejiang University（浙江大学） ； Capital Normal University（首都师范大学） ； University of Hong Kong（香港大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Control at Stake: Evaluating the Security Landscape of LLM-Driven Email Agents

Jiangrong Wu, Yuhong Nan, Jianliang Wu, Zitong Yao, Zibin Zheng

专题命中 推理与问题求解 ：LLM(title,abstract)

GaussianVLM: Scene-centric 3D Vision-Language Models using Language-aligned Gaussian Splats for Embodied Reasoning and Beyond

Anna-Maria Halacheva, Jan-Nico Zaech, Xi Wang, Danda Pani Paudel, Luc Van Gool

机构 * ETH Zurich（苏黎世联邦理工学院） ； TU Munich（慕尼黑技术大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Prompting with the Future: Open-World Model Predictive Control with Interactive Digital Twins

Chuanruo Ning, Kuan Fang, Wei-Chiu Ma

机构 * Cornell University（康奈尔大学） 纠错

专题命中 推理与问题求解 ：prompting(title)；language model(abstract)

MCTS-Refined CoT: High-Quality Fine-Tuning Data for LLM-Based Repository Issue Resolution

Yibo Wang, Zhihao Peng, Ying Wang, Zhao Wei, Hai Yu, Zhiliang Zhu

专题命中 推理与问题求解 ：LLM(title,abstract)

Minimizing False Positives in Static Bug Detection via LLM-Enhanced Path Feasibility Analysis

Xueying Du, Kai Yu, Chong Wang, Yi Zou, Wentai Deng, Zuoyu Ou, Xin Peng, Lingming Zhang, Yiling Lou

专题命中 推理与问题求解 ：LLM(title,abstract)

Scene Exploration by Vision-Language Models

Venkatesh Sripada, Samuel Carter, Frank Guerin, Amir Ghalamzan

机构 * University of Surrey（萨里大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Boosting Open-Source LLMs for Program Repair via Reasoning Transfer and LLM-Guided Reinforcement Learning

Xunzhu Tang, Jacques Klein, Tegawendé F. Bissyandé

专题命中 推理与问题求解 ：LLM(title,abstract)

PhotoArtAgent: Intelligent Photo Retouching with Language Model-Based Artist Agents

Haoyu Chen, Keda Tao, Yizao Wang, Xinlei Wang, Lei Zhu, Jinjin Gu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Xidian University（西安电子科技大学） ； Sun Yat-sen University（中山大学） ； The University of Sydney（悉尼大学） ； INSAIT, Sofia University（INSAIT，索菲亚大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

The Entropy Mechanism of Reinforcement Learning for Reasoning Language Models

Ganqu Cui, Yuchen Zhang, Jiacheng Chen, Lifan Yuan, Zhi Wang, Yuxin Zuo, Haozhan Li, Yuchen Fan, Huayu Chen, Weize Chen, Zhiyuan Liu, Hao Peng, Lei Bai, Wanli Ouyang, Yu Cheng, Bowen Zhou, Ning Ding

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； UIUC（伊利诺伊大学香槟分校） ； Peking University（北京大学） ； Nanjing University（南京大学） ； CUHK（香港中文大学） 纠错

专题命中 推理与问题求解 ：language model(title)；分类 cs.CL、cs.AI、cs.LG

SURDS: Benchmarking Spatial Understanding and Reasoning in Driving Scenarios with Vision Language Models

Xianda Guo, Ruijun Zhang, Yiqun Duan, Yuhang He, Dujun Nie, Wenke Huang, Chenming Zhang, Shuai Liu, Hao Zhao, Long Chen

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Waytous ； University of Technology Sydney（悉尼大学） ； Microsoft Research（微软研究院） ； IAIR, Xi’an Jiaotong University（西安交通大学IAIR） ； TikTok ； AIR, Tsinghua University（清华大学AIR） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

ManipLVM-R1: Reinforcement Learning for Reasoning in Embodied Manipulation with Large Vision-Language Models

Zirui Song, Guangxian Ouyang, Mingzhe Li, Yuheng Ji, Chenxi Wang, Zixiang Xu, Zeyu Zhang, Xiaoqing Zhang, Qian Jiang, Zhenhao Chen, Zhongzhi Li, Rui Yan, Xiuying Chen

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎伊德·本·扎耶德人工智能大学） ； ByteDance（字节跳动） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； The Australia National University（澳大利亚国立大学） ； Renmin University of China（中国人民大学） ； Wuhan University（武汉大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Comments 14pages

Breaking Down Video LLM Benchmarks: Knowledge, Spatial Perception, or True Temporal Understanding?

Bo Feng, Zhengfeng Lai, Shiyu Li, Zizhen Wang, Simon Wang, Ping Huang, Meng Cao

机构 * Apple（苹果公司） 纠错

专题命中 推理与问题求解 ：LLM(title,abstract)

G1: Bootstrapping Perception and Reasoning Abilities of Vision-Language Model via Reinforcement Learning

Liang Chen, Hongcheng Gao, Tianyu Liu, Zhiqi Huang, Flood Sung, Xinyu Zhou, Yuxin Wu, Baobao Chang

机构 * Peking University（北京大学） ； UCAS（中国科学院大学） ； Moonshot AI 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Comments 21 pages, 14 figures, code released at https://github.com/chenllliang/G1

TS-VLM: Text-Guided SoftSort Pooling for Vision-Language Models in Multi-View Driving Reasoning

Lihong Chen, Hossein Hassani, Soodeh Nikan

机构 * Department of Electrical and Computer Engineering, Western University（电气与计算机工程系，西方大学） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Seeing Beyond the Scene: Enhancing Vision-Language Models with Interactional Reasoning

Dayong Liang, Changmeng Zheng, Zhiyuan Wen, Yi Cai, Xiao-Yong Wei, Qing Li

机构 * South China University of Technology（华南理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Peng Cheng Laboratory（彭成实验室） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

VCRBench: Exploring Long-form Causal Reasoning Capabilities of Large Video Language Models

Pritam Sarkar, Ali Etemad

机构 * Queen’s University（女王大学） ； Vector Institute（向量研究所） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Understanding Depth and Height Perception in Large Visual-Language Models

Shehreen Azad, Yash Jain, Rishit Garg, Yogesh S Rawat, Vibhav Vineet

机构 * Center for Research in Computer Vision, University of Central Florida（计算机视觉研究中心，中央佛罗里达大学） ； Microsoft Research（微软研究院） ； Indian Institute of Technology, Kharagpur（印度克里希纳布尔理工学院） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Comments Accepted in CVPRW 2025. Project page: https://sacrcv.github.io/GeoMeter-website/

DataScout: Automatic Data Fact Retrieval for Statement Augmentation with an LLM-Based Agent

Chuer Chen, Yuqi Liu, Danqing Shi, Shixiong Cao, Nan Cao

专题命中 推理与问题求解 ：LLM(title,abstract)

VLM-Fuzz: Vision Language Model Assisted Recursive Depth-first Search Exploration for Effective UI Testing of Android Apps

Biniam Fisseha Demissie, Yan Naing Tun, Lwin Khin Shar, Mariano Ceccato

专题命中 推理与问题求解 ：language model(title,abstract)

Predicting User Behavior in Smart Spaces with LLM-Enhanced Logs and Personalized Prompts

Yunpeng Song, Jiawei Li, Yiheng Bian, Zhongmin Cai

专题命中 推理与问题求解 ：LLM(title,abstract)

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence 39 (1), 2025

Vision-Language Model Predictive Control for Manipulation Planning and Trajectory Generation

Jiaming Chen, Wentao Zhao, Ziyu Meng, Donghui Mao, Ran Song, Wei Pan, Wei Zhang

机构 * School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

H-STAR: LLM-driven Hybrid SQL-Text Adaptive Reasoning on Tables

Nikhil Abhyankar, Vivek Gupta, Dan Roth, Chandan K. Reddy

机构 * Virginia Tech（弗吉尼亚理工大学） ； Arizona State University（亚利桑那州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 推理与问题求解 ：LLM(title)；分类 cs.CL、cs.AI、cs.LG

Comments NAACL 2025 Main Conference

HyperSIGMA: Hyperspectral Intelligence Comprehension Foundation Model

Di Wang, Meiqi Hu, Yao Jin, Yuchun Miao, Jiaqi Yang, Yichu Xu, Xiaolei Qin, Jiaqi Ma, Lingyu Sun, Chenxing Li, Chuan Fu, Hongruixuan Chen, Chengxi Han, Naoto Yokoya, Jing Zhang, Minqiang Xu, Lin Liu, Lefei Zhang, Chen Wu, Bo Du, Dacheng Tao, Liangpei Zhang

机构 * Wuhan University（武汉大学） ； Chongqing University（重庆大学） ； The University of Tokyo（东京大学） ； National Engineering Research Center of Speech and Language Information Processing（语音与语言信息处理国家工程研究中心） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 推理与问题求解 ：foundation model(title,abstract)

Comments Accepted by IEEE TPAMI. Project website: https://whu-sigma.github.io/HyperSIGMA

Fast and Accurate Task Planning using Neuro-Symbolic Language Models and Multi-level Goal Decomposition

Minseo Kwon, Yaesol Kim, Young J. Kim

机构 * Ewha Womans University（梨花女子大学） 纠错

专题命中 推理与问题求解 ：language model(title)；LLM(abstract)

PlanGen: Towards Unified Layout Planning and Image Generation in Auto-Regressive Vision Language Models

Runze He, Bo Cheng, Yuhang Ma, Qingxiang Jia, Shanyuan Liu, Ao Ma, Xiaoyu Wu, Liebucha Wu, Dawei Leng, Yuhui Yin

机构 * AI Research（360人工智能研究院） 纠错

专题命中 推理与问题求解 ：language model(title)；prompting(abstract)

Comments 15 pages, 12 figures, project page: https://360cvgroup.github.io/PlanGen

Can Large Vision Language Models Read Maps Like a Human?

Shuo Xing, Zezhou Sun, Shuangyu Xie, Kaiyuan Chen, Yanjia Huang, Yuping Wang, Jiachen Li, Dezhen Song, Zhengzhong Tu

机构 * Texas A&M University（德克萨斯农工大学） ； UC Berkeley（加州大学伯克利分校） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Michigan（密歇根大学） ； UC Riverside（加州大学河滨分校） 纠错

专题命中 推理与问题求解 ：language model(title)；prompting(abstract)

Comments 35 pages

Identifying and Mitigating Position Bias of Multi-image Vision-Language Models

Xinyu Tian, Shu Zou, Zhaoyuan Yang, Jing Zhang

机构 * Australian National University（澳大利亚国立大学） ； GE Research（GE研究中心） 纠错

专题命中 推理与问题求解 ：language model(title,abstract)

Comments Accepted to CVPR2025

Toward Generative 6G Simulation: An Experimental Multi-Agent LLM and ns-3 Integration

Farhad Rezazadeh, Amir Ashtari Gargari, Sandra Lagen, Houbing Song, Dusit Niyato, Lingjia Liu

专题命中 推理与问题求解 ：LLM(title,abstract)

Comments 6 pages, 4 figures, 4 tables