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。

2025-09-17 至 2025-09-17 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

2509.12279 2025-09-17 cs.CV cs.AI 62%

Domain Adaptive SAR Wake Detection: Leveraging Similarity Filtering and Memory Guidance

He Gao, Baoxiang Huang, Milena Radenkovic, Borui Li, Ge Chen

机构 * College of Computer Science and Technology, Qingdao University（青岛大学计算机科学与技术学院）； Laboratory for Regional Oceanography and Numerical Modeling, Qingdao Marine Science and Technology Center（青岛海洋科学与技术中心区域海洋学与数值模拟实验室）； School of Computer Science and Information Technology, The University of Nottingham（诺丁汉大学计算机科学与信息学院）； State Key Laboratory of Physical Oceanography, Department of Marine Technology, Ocean University of China（中国海洋大学物理海洋学国家重点实验室，海洋技术系）

专题命中多模态Agent ：cross-modal(abstract)；分类 cs.CV、cs.AI

2509.12618 2025-09-17 cs.RO cs.AI cs.CV 62%

ActiveVLN: Towards Active Exploration via Multi-Turn RL in Vision-and-Language Navigation

Zekai Zhang, Weiye Zhu, Hewei Pan, Xiangchen Wang, Rongtao Xu, Xing Sun, Feng Zheng

机构 * Southern University of Science and Technology, China（南方科技大学，中国）； Spatialtemporal AI, China（时空AI，中国）； MBZUAI, UAE（MBZUAI，阿联酋）； Tencent Youtu Lab（腾讯优图实验室）

专题命中多模态Agent ：MLLM(abstract)；分类 cs.CV、cs.AI

2509.12423 2025-09-17 cs.AI cs.CL 62%

Small Models, Big Results: Achieving Superior Intent Extraction through Decomposition

Danielle Cohen, Yoni Halpern, Noam Kahlon, Joel Oren, Omri Berkovitch, Sapir Caduri, Ido Dagan, Anatoly Efros

机构 * Google（谷歌）； Bar-Ilan University（巴伊兰大学）

专题命中多模态Agent ：multi-modal(abstract)；分类 cs.CL、cs.AI