AI 大模型

多模态大模型

跨文本、图像、视频、音频等模态的大模型与学习方法。

2025-08-08 至 2025-08-08 共收录 3 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 多模态Agent 3 篇

2508.05580 2025-08-08 cs.CV 83%

Follow-Your-Instruction: A Comprehensive MLLM Agent for World Data Synthesis

Kunyu Feng, Yue Ma, Xinhua Zhang, Boshi Liu, Yikuang Yuluo, Yinhan Zhang, Runtao Liu, Hongyu Liu, Zhiyuan Qin, Shanhui Mo, Qifeng Chen, Zeyu Wang

机构 * HKUST(GZ)（香港科技大学（广州））； HKUST（香港科技大学）； Tsinghua Univerisity（清华大学）； Peking University（北京大学）； Chongqing University（重庆大学）； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）

专题命中多模态Agent ：MLLM(title,abstract)；multimodal(abstract)；分类 cs.CV

2508.05492 2025-08-08 cs.LG cs.AI cs.MA 79%

MoMA: A Mixture-of-Multimodal-Agents Architecture for Enhancing Clinical Prediction Modelling

Jifan Gao, Mahmudur Rahman, John Caskey, Madeline Oguss, Ann O'Rourke, Randy Brown, Anne Stey, Anoop Mayampurath, Matthew M. Churpek, Guanhua Chen, Majid Afshar

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校）； Northwestern University（西北大学）

专题命中多模态Agent ：multimodal(title,abstract)；分类 cs.AI

2507.07894 2025-08-08 math.OC 71%

Complexity Analysis of a Bicriteria Directed Multimodal Transportation Network Design Problem

Dominik Leib, Susanne Fritzler, Neele Leithäuser

专题命中多模态Agent ：multimodal(title)

Comments 29 pages, 8 figures