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。

2025-12-15 至 2025-12-15 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

2512.10975 2025-12-15 cs.LG cs.AI cs.HC cs.MA 79%

Agent-Based Modular Learning for Multimodal Emotion Recognition in Human-Agent Systems

基于代理的模块化学习：人类-代理系统中多模态情感识别

Matvey Nepomnyaschiy, Oleg Pereziabov, Anvar Tliamov, Stanislav Mikhailov, Ilya Afanasyev

机构 * Research Center of the Artificial Intelligence Institute, Innopolis University（人工智能研究所研究中心，因诺波利斯大学）； ITMO University（ITMO大学）； Saint Petersburg Electrotechnical University ``LETI''（圣彼得堡电工大学『LETI』）

专题命中多模态Agent ：multimodal(title,abstract)；分类 cs.AI

AI总结本文提出了一种基于代理的模块化学习框架，用于多模态情感识别，通过自主代理协调实现灵活、高效的训练和维护。

Comments 14 pages, 4 figures

2512.07410 2025-12-15 cs.CV 57%

InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs

InterAgent：基于物理的多智能体命令执行通过交互图上的扩散

Bin Li, Ruichi Zhang, Han Liang, Jingyan Zhang, Juze Zhang, Xin Chen, Lan Xu, Jingyi Yu, Jingya Wang

机构 * ShanghaiTech University（上海科技大学）； University of Pennsylvania（宾夕法尼亚大学）； ByteDance（字节跳动）； Stanford University（斯坦福大学）； InstAdapt

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

AI总结 InterAgent通过交互图上的扩散模型实现了基于物理的多智能体协调控制，能够从文本提示中生成连贯且物理合理的多代理行为。

Comments Project page: https://binlee26.github.io/InterAgent-Page

2512.11620 2025-12-15 cs.RO cs.SY eess.SY 50%

Architecting Large Action Models for Human-in-the-Loop Intelligent Robots

为具有人类在环的智能机器人构建大型动作模型

Kanisorn Sangchai, Methasit Boonpun, Withawin Kraipetchara, Paulo Garcia

专题命中多模态Agent ：multi-modal(abstract)

AI总结本文提出通过整合符号方法与现成模型构建可验证的神经符号智能机器人动作模型，以提升可靠性和可解释性。