SeeingEye: Agentic Information Flow Unlocks Multimodal Reasoning In Text-only LLMs
专题命中 多模态Agent :multimodal(title,abstract);multi-modal(abstract)
AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
专题命中 多模态Agent :multimodal(title,abstract);multi-modal(abstract)
机构 * Industrial Brain Team, Dingtalk, Alibaba Group(钉钉工业大脑团队,钉钉,阿里巴巴集团)
专题命中 多模态Agent :multimodal(abstract);分类 cs.CL、cs.AI
专题命中 多模态Agent :multi-modal(abstract)