LFTR: Learning-Free Token Reduction for Multimodal Large Language Models
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CV、cs.CL、cs.AI
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。
1. 多模态训练与对齐 12 篇
ReLoop: "Seeing Twice and Thinking Backwards" via Closed-loop Training to Mitigate Hallucinations in Multimodal understanding
机构 * University of Bristol（布里斯托大学） ； Brown University（布朗大学） ； South China University of Technology（华南理工大学）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CV、cs.CL
Comments Accepted by conference EMNLP2025
MAESTRO : Adaptive Sparse Attention and Robust Learning for Multimodal Dynamic Time Series
机构 * Northwestern University（西北大学）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；cross-modal(abstract)
Comments Accepted to Neurips 2025 (Spotlight)
QGuard:Question-based Zero-shot Guard for Multi-modal LLM Safety
机构 * FnGuide Inc.（FnGuide公司） ； Safe Generative AI Lab, MODULABS（MODULABS安全生成AI实验室） ； A.I.MATICS Inc.（A.I.MATICS公司） ； Ewha Womans University（成均馆大学）
专题命中 多模态训练与对齐 ：multi-modal(title,abstract)；分类 cs.AI
Comments Accept to ACLW 2025 (WOAH); fix typo
Journal ref ACL Workshop 2025
Defeating Cerberus: Concept-Guided Privacy-Leakage Mitigation in Multimodal Language Models
机构 * CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍茨信息安全中心） ； Nokia Bell Labs（诺基亚贝尔实验室）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)
Learning to See Before Seeing: Demystifying LLM Visual Priors from Language Pre-training
机构 * Meta Superintelligence Labs（Meta 超智能实验室） ； University of Oxford（牛津大学）
专题命中 多模态训练与对齐 ：multimodal(abstract)；MLLM(abstract)；分类 cs.CV、cs.AI、cs.MM
Comments Project page: https://junlinhan.github.io/projects/lsbs/
Nephrobase Cell+: Multimodal Single-Cell Foundation Model for Decoding Kidney Biology
专题命中 多模态训练与对齐 ：multimodal(title)
GeoLink: Empowering Remote Sensing Foundation Model with OpenStreetMap Data
机构 * School of Earth and Space Sciences, Peking University（地球与空间科学学院，北京大学） ； College of Urban and Environmental Sciences, Peking University（城市与环境科学学院，北京大学） ； State Key Laboratory of Multimodal Artificial Intelligence Systems Institute of Automation, CAS（多模态人工智能系统国家重点实验室，中国科学院自动化研究所） ； Intelligent Maintenance and Operations Systems Lab（智能维护与运营系统实验室）
专题命中 多模态训练与对齐 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CV
Comments NeurIPS 2025
Expert Merging: Model Merging with Unsupervised Expert Alignment and Importance-Guided Layer Chunking
机构 * Zhejiang University（浙江大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室）
专题命中 多模态训练与对齐 ：multimodal(abstract)；MLLM(abstract)
LiDAR-BIND-T: Improved and Temporally Consistent Sensor Modality Translation and Fusion for Robotic Applications
机构 * IDLab - Faculty of Applied Engineering, University of Antwerp - imec（IDLab - 应用工程学院，安特卫普大学 - imec） ； Cosys-Lab - Faculty of Applied Engineering, University of Antwerp（Cosys-Lab - 应用工程学院，安特卫普大学） ； Flanders Make Strategic Research Centre（弗拉芒制造战略研究中心）
专题命中 多模态训练与对齐 ：multi-modal(abstract)；分类 cs.CV、cs.AI
SGS: Segmentation-Guided Scoring for Global Scene Inconsistencies
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV
Comments 6 pages, 3 figures
PolSAM: Polarimetric Scattering Mechanism Informed Segment Anything Model
机构 * the BRain and Artificial INtelligence Lab (BRAIN LAB), School of Automation, Northwestern Polytechnical University（人工智能实验室（BRAIN LAB）、自动化学院、西北工业大学） ； the Shenzhen Research Institute of Northwestern Polytechnical University（西北工业大学深圳研究院） ； the National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（多媒体信息处理国家重点实验室、计算机科学学院、北京大学） ； the National Key Laboratory of Microwave Imaging Technology, Chinese Academy of Sciences（微波成像技术国家重点实验室、中国科学院） ； the Aerospace Information Research Institute, Chinese Academy of Sciences（航空信息研究所、中国科学院）
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV
Comments The manuscript is 15 pages long, includes 13 figures and 5 tables
