多模态大模型

PSO-UNet: Particle Swarm-Optimized U-Net Framework for Precise Multimodal Brain Tumor Segmentation

PSO-UNet: 基于粒子群优化的U-Net框架用于精确多模态脑肿瘤分割

Shoffan Saifullah, Rafał Dreżewski

机构 * Faculty of Computer Science, AGH University of Krakow（计算机科学系，克拉科夫AGH大学） ； Department of Informatics, Universitas Pembangunan Nasional Veteran Yogyakarta（信息系，全国 veterans 大学 Yogya 市） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)；分类 cs.CV、cs.AI

AI总结 PSO-UNet通过粒子群优化与U-Net结合，实现多模态脑肿瘤分割的高精度和高效优化。

Comments 9 pages, 6 figures, 4 tables, Gecco 2025 Conference

Journal ref GECCO '25 Companion: Proceedings of the Genetic and Evolutionary Computation Conference Companion, 2025

Red Teaming Multimodal Language Models: Evaluating Harm Across Prompt Modalities and Models

针对多模态语言模型的红队测试：评估不同提示模态和模型的有害性

Madison Van Doren, Casey Ford

专题命中 其他多模态 ：multimodal(title,abstract)；分类 cs.CL

AI总结 本研究通过红队测试评估多模态语言模型在不同提示模态下的安全性，发现Pixtral 12B的有害响应率最高，而Claude Sonnet 3.5最安全，凸显了建立多模态安全基准的必要性。

Journal ref AAAI 2026 AIGOV Workshop and EurIPS 2025 Workshop on Unifying Perspectives on Learning Biases

Vulnerability-Aware Robust Multimodal Adversarial Training

具有脆弱性的鲁棒多模态对抗训练

Junrui Zhang, Xinyu Zhao, Jie Peng, Chenjie Wang, Jianmin Ji, Tianlong Chen

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 本文提出VARMAT方法，通过识别各模态的脆弱性提升多模态对抗鲁棒性，实现在多个数据集上显著提升鲁棒性性能。

Comments Accepted by AAAI26

Multimodal Generative Flows for LHC Jets

多模态生成流用于LHC喷注

Darius A. Faroughy, Manfred Opper, Cesar Ojeda

机构 * NHETC, Rutgers University（罗格斯大学） ； TU Berlin（柏林技术大学） ； University of Potsdam（波茨坦大学） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 本文提出一种基于变换器的多模态生成流，用于联合建模LHC喷注的连续动力学特征和离散量子数，实现了高保真的喷注生成。

Comments Accepted at NeurIPS 2025 ML4PS workshop

Classification of autoimmune diseases from Peripheral blood TCR repertoires by multimodal multi-instance learning

通过多模态多实例学习对自身免疫性疾病进行外周血T细胞受体谱系的分类

Ruihao Zhang, Mao chen, Fei Ye, Dandan Meng, Yixuan Huang, Xiao Liu

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院，清华大学，深圳，中国） 纠错

专题命中 其他多模态 ：multimodal(title)；分类 cs.AI

AI总结 EAMil通过多模态多实例学习方法，利用TCR测序数据高精度诊断SLE和RA，并有效识别疾病相关基因。

Comments 4 figures, 3 tabels, 8 pages

Anomaly Detection in Autonomous Driving: A Survey

自动驾驶中的异常检测：综述

Daniel Bogdoll, Maximilian Nitsche, J. Marius Zöllner

机构 * FZI Research Center for Information Technology（FZI信息科技研究中心） ； KIT Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文综述了自动驾驶中基于多种传感器数据的异常检测技术，系统化分类了检测方法和边缘案例级别，并指出现有研究的不足。

Comments Daniel Bogdoll and Maximilian Nitsche contributed equally. Accepted for publication at CVPR 2022 WAD workshop

Towards Healing the Blindness of Score Matching

向消除分数匹配的盲目性迈进

Mingtian Zhang, Oscar Key, Peter Hayes, David Barber, Brooks Paige, François-Xavier Briol

机构 * University College London（伦敦大学学院） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文提出了一种新的分歧家族，以缓解分数匹配在多模分布中的盲目性问题，并在密度估计中展示了改进的性能。