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。

2026-01-05 至 2026-01-05 共收录 3 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 跨模态检索 3 篇

2601.00623 2026-01-05 cs.AI 79%

DA-DPO: Cost-efficient Difficulty-aware Preference Optimization for Reducing MLLM Hallucinations

DA-DPO：面向减少多模态大语言模型幻觉的高效难度感知偏好优化

Longtian Qiu, Shan Ning, Chuyu Zhang, Jiaxuan Sun, Xuming He

机构 * ShanghaiTech University（上海科技大学）； Lingang Laboratory（灵冈实验室）； Shanghai Engineering Research Center of Intelligent Vision and Imaging（上海智能视觉与成像工程技术研究中心）

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

AI总结 DA-DPO通过难度感知机制优化多模态大语言模型的偏好学习，有效减少幻觉并提升模型鲁棒性与泛化能力。

Comments Accepted by TMLR

2512.02660 2026-01-05 cs.CV cs.IR 57%

Spatially-Grounded Document Retrieval via Patch-to-Region Relevance Propagation

通过补丁到区域相关性传播实现空间感知的文档检索

Athos Georgiou

机构 * Independent Researcher（独立研究者）

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

AI总结通过结合ColPali的补丁相似性与OCR区域，实现更精确的文档检索，提升RAG任务中的上下文相关性

Comments 21 pages, 6 figures, 8 tables. Includes ancillary files with full benchmark results and ablation studies. Code available at https://github.com/athrael-soju/Snappy

2508.09147 2026-01-05 cs.NI cs.AI cs.DC cs.LG cs.MA 57%

Agentic TinyML for Intent-aware Handover in 6G Wireless Networks

代理型TinyML用于6G无线网络中的意图感知切换

Alaa Saleh, Roberto Morabito, Sasu Tarkoma, Anders Lindgren, Susanna Pirttikangas, Lauri Lovén

机构 * Center for Ubiquitous Computing（无处不在计算中心）； University of Oulu（奥卢大学）； Department of Communication Systems（通信系统系）； EURECOM ； Department of Computer Science（计算机科学系）； University of Helsinki（赫尔辛基大学）； RISE Research Institutes of Sweden（瑞典研究机构）； Department of Computer Science, Electrical and Space Engineering（计算机科学、电气与空间工程系）； Luleå University of Technology（卢勒奥技术大学）

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

AI总结本文提出WAAN框架，利用TinyML代理实现6G网络中的意图感知主动切换，通过多模态环境控制案例验证其在保持用户体验方面的有效性。