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。

2025-11-05 至 2025-11-05 共收录 4 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 跨模态检索 4 篇

2511.02358 2025-11-05 cs.CL cs.AI cs.IR cs.LG cs.MM 85%

Let Multimodal Embedders Learn When to Augment Query via Adaptive Query Augmentation

Wongyu Kim, Hochang Lee, Sanghak Lee, Yoonsung Kim, Jaehyun Park

机构 * NC AI（NC人工智能）

专题命中跨模态检索：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CL、cs.AI、cs.MM

Comments Accepted to MMGenSR Workshop (CIKM 2025)

2511.02371 2025-11-05 cs.LG 82%

LUMA-RAG: Lifelong Multimodal Agents with Provably Stable Streaming Alignment

Rohan Wandre, Yash Gajewar, Namrata Patel, Vivek Dhalkari

机构 * Dept. of Computer Engineering（计算机工程系）； SIES Graduate School of Technology（SIES技术研究生学院）； Bharatiya Vidya Bhavan's Sardar Patel Institute of Technology（巴哈里亚·维达·巴万学院萨达尔·帕特尔技术学院）

专题命中跨模态检索：multimodal(title,abstract)；cross-modal(abstract)

2511.01892 2025-11-05 cs.LG cs.CL 79%

Retrieval-Augmented Multimodal Depression Detection

Ruibo Hou, Shiyu Teng, Jiaqing Liu, Shurong Chai, Yinhao Li, Lanfen Lin, Yen-Wei Chen

机构 * College of Information Science and Engineering, Ritsumeikan University（信息科学与工程学院，立命馆大学）； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学）

专题命中跨模态检索：multimodal(title,abstract)；分类 cs.CL

Comments Accepted in IEEE EMBC 2025

2511.02770 2025-11-05 cs.CL cs.IR 57%

Beyond Single Embeddings: Capturing Diverse Targets with Multi-Query Retrieval

Hung-Ting Chen, Xiang Liu, Shauli Ravfogel, Eunsol Choi

机构 * Department of Computer Science, New York University（纽约大学计算机科学系）； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））

专题命中跨模态检索：multimodal(abstract)；分类 cs.CL