多模态大模型

ESearch-R1: Learning Cost-Aware MLLM Agents for Interactive Embodied Search via Reinforcement Learning

ESearch-R1: 通过强化学习学习成本感知的多模态大语言模型代理以进行交互式具身搜索

Weijie Zhou, Xuangtang Xiong, Ye Tian, Lijun Yue, Xinyu Wu, Wei Li, Chaoyang Zhao, Honghui Dong, Ming Tang, Jinqiao Wang, Zhengyou Zhang

机构 * School of Traffic and Transportation, Beijing Jiaotong University（交通与运输学院，北京交通大学） ； Tencent Robotics X & Futian Laboratory（腾讯机器人X与福田实验室） ； Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心，中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 ESearch-R1通过强化学习方法，结合交互对话、记忆检索和导航，实现成本感知的多模态大语言模型代理，有效降低任务执行成本并提高成功率。

Affective Multimodal Agents with Proactive Knowledge Grounding for Emotionally Aligned Marketing Dialogue

具有主动知识 grounding 的情感多模态代理用于情感对齐的营销对话

Lin Yu, Xiaofei Han, Yifei Kang, Chiung-Yi Tseng, Danyang Zhang, Ziqian Bi, Zhimo Han

机构 * Hunan Police Academy, Department of Criminal Investigation（湖南警察学院犯罪侦查系） ； Business College, California State University（加州州立大学长滩分校商学院） ； Northwestern University（西北大学） ； AI Agent Lab, Vokram Group（Vokram集团AI代理实验室） ； Beijing University of Technology（北京理工大学） ； Zheng Zhou University of Light Industry（郑州轻工业大学） 纠错

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

AI总结 AffectMind通过主动知识 grounding 和情绪-意图对齐模型，提升营销对话中的情感一致性与说服效果。

An AI-Driven Multimodal Smart Home Platform for Continuous Monitoring and Assistance in Post-Stroke Motor Impairment

基于人工智能的多模态智能家庭平台：用于中风后运动功能障碍的持续监测与协助

Chenyu Tang, Ruizhi Zhang, Shuo Gao, Zihe Zhao, Zibo Zhang, Jiaqi Wang, Cong Li, Junliang Chen, Yanning Dai, Shengbo Wang, Ruoyu Juan, Qiaoying Li, Ruimou Xie, Xuhang Chen, Xinkai Zhou, Yunjia Xia, Jianan Chen, Fanghao Lu, Xin Li, Ninglli Wang, Peter Smielewski, Yu Pan, Hubin Zhao, Luigi G. Occhipinti

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

AI总结 本文提出一种基于人工智能的多模态智能家庭平台，通过整合可穿戴设备和环境传感器，实现中风后患者运动功能的持续监测与智能协助，显著提升用户满意度。

Comments 5 figures, 41 references

Large Model Enabled Embodied Intelligence for 6G Integrated Perception, Communication, and Computation Network

大模型赋能的具身智能用于6G集成感知、通信与计算网络

Zhuoran Li, Zhen Gao, Xinhua Liu, Zheng Wang, Xiaotian Zhou, Lei Liu, Yongpeng Wu, Wei Feng, Yongming Huang

机构 * School of Information and Electronics（信息与电子学院） ； School of Interdisciplinary Science（交叉科学学院） ； State Key Laboratory of CNS/ATM（CNS/ATM国家重点实验室） ； Beijing Institute of Technology（北京理工大学） ； Advanced Technology Research Institute（先进技术研究院） ； Yangtze Delta Region Academy（长江三角洲地区学院） ； School of School of Information Science and Engineering（信息科学与工程学院） ； Institute of Intelligent Communication Technologies（智能通信技术研究院） ； Shandong Key Laboratory of Intelligent Communication and Sensing-Computing Integration（智能通信与传感-计算集成山东省重点实验室） ； Zhejiang Provincial Key Laboratory of Information Processing, Communication and Networking（信息处理、通信与网络浙江省重点实验室） ； Department of Electronic Engineering（电子工程系） ； State Key Laboratory of Space Network and Communications（空间网络与通信国家重点实验室） ； National Mobile Communications Research Laboratory（移动通信研究中心） ； Purple Mountain Laboratories（紫金山实验室） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

AI总结 本文提出利用大模型赋能基站实现感知、通信和计算一体化，为6G系统提供安全关键的智能解决方案。

Models for the common knowledge logic

共同知识逻辑的模型

Yoshihito Tanaka

专题命中 多模态Agent ：multi-modal(abstract)

AI总结 本文研究了共同知识逻辑的模型，探讨了其框架和代数的定义及性质，指出CKL框架是模态可定义的，而CKL代数并非构成变种。