AI 大模型
跨文本、图像、视频、音频等模态的大模型与学习方法。
使用标记条件扩散模型进行虚拟多标记染色
专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CV
AI总结 本文提出了一种基于条件扩散模型的虚拟多标记染色方法，利用预训练模型生成多标记图像，提升了H&E图像的分子层面分析能力。
Comments Accepted at AAAI 2026
具有解剖剂量双约束的条件扩散模型用于端到端多肿瘤剂量预测
机构 * Faculty of Applied Sciences, Macao Polytechnic University（澳门理工大学应用科学学院） ； Affiliated Hospital of Xiangnan University（湘南大学附属医院） ； Jiangxi Cancer Hospital（江西省肿瘤医院） ； Chenzhou Third People's Hospital（郴州第三人民医院）
专题命中 多模态生成 ：multimodal(abstract)；分类 cs.CV
AI总结 ADDiff-Dose通过条件扩散模型实现多肿瘤剂量预测，结合解剖和剂量约束，提升预测精度与临床适用性。
SDEval: 多模态大语言模型的安全动态评估
专题命中 多模态评测 ：multimodal(title,abstract)；MLLM(abstract)；分类 cs.CV
AI总结 SDEval通过动态调整安全基准分布和复杂度，提升多模态大语言模型的安全评估效果，缓解数据污染并揭示模型安全局限。
Comments AAAI 2026 poster
注意你的推理：一种用于多模态立场检测双推理的元认知直观-反思网络
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； The Hong Kong Polytechnic University（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CL、cs.MM
AI总结 MIND通过元认知直观-反思机制，在多模态立场检测中实现双推理，提升立场判断的准确性和泛化能力。
利用多模态深度学习进行胎盘增生谱检测
机构 * Department of Computer Science, Faculty of Computing and Information Technology, King Abdulaziz University（计算机科学系，计算与信息科技学院，国王阿卜杜勒阿齐兹大学） ； Department of Radiology, King Abdulaziz University Hospital（放射科，国王阿卜杜勒阿齐兹大学医院）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.AI
AI总结 本研究提出多模态深度学习方法，通过整合3D MRI和2D US数据，提高胎盘增生谱检测的准确率和AUC值，有效提升产前风险评估能力。
OFFSIDE: 多模态大语言模型中误信信息消除的基准测试
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； BIAI, ZJUT & D5Data.ai（BIAI、浙江工业大学及D5Data.ai） ； National University of Singapore（新加坡国立大学）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CL、cs.AI
AI总结 OFFSIDE通过足球转会谣言数据集，评估多模态大语言模型中误信信息消除的挑战与方法，揭示现有技术的局限性。
UNIDOC-BENCH: 一个统一的文档中心多模态RAG基准
机构 * Salesforce AI Research（Salesforce人工智能研究）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.CL
AI总结 UniDoc-Bench是首个大规模文档中心多模态RAG基准，通过多模态问答对评估文本-图像融合与联合检索性能，揭示多模态嵌入不足及视觉上下文补充机制。
TraveLLaMA: 一种基于大规模数据集和结构化推理的多模态旅行助手
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.MM
AI总结 TraveLLaMA通过结构化推理框架和大规模数据集，提升旅行推荐和场景理解能力，实现用户满意度和系统性能的显著提升。
Comments AAAI 2026 Oral
6G ISAC中多模态与带内毫米波感知的系统级比较：用于基站预测
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 本文提出了一种系统级框架，通过多模态融合评估毫米波与体外传感器在6G ISAC中的波束预测性能。
OmniNeuro：一种通过生成式AI和声音化实现可解释BCI反馈的多模态人机交互框架
机构 * Institute for Artificial Intelligence Researcher（人工智能研究院）
专题命中 多模态评测 ：multimodal(title)；分类 cs.AI
AI总结 OmniNeuro通过生成式AI和声音化技术，提供可解释的BCI反馈，提升用户神经可塑性与解码准确性。
Comments 16 pages, 7 figures, 3 tables. Source code and implementation available at: https://github.com/ayda-aghaei/OmniNeuro. Highlights the use of LLMs (Gemini) and Quantum probability formalism for real-time BCI explainability
DermoGPT: 开放权重和开放数据用于基于形态的皮肤病学推理大语言模型
机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Faculty of Information Technology, Monash University（信息科技学院，莫纳什大学）
专题命中 多模态评测 ：multimodal(abstract)；MLLM(abstract)；分类 cs.CL
AI总结 DermoGPT通过开放权重和数据提升皮肤病学推理的MLLM性能，实现与专家诊断流程的一致性。
DST-Calib: 一种双路径、自监督、无目标的激光雷达-摄像头外参校准网络
机构 * Department of Control Science & Engineering, the College of Electronics & Information Engineering, Tongji University（控制科学与工程系，电子与信息工程学院，同济大学） ； Department of Mechanical Engineering, the School of Mechanical Engineering, Tongji University（机械工程系，机械工程学院，同济大学） ； School of Robotics, Hunan University（机器人学院，湖南大学） ； College of Intelligence Science and Technology, National University of Defense Technology（智能科学与技术学院，国防科学技术大学） ； Department of Control Science & Engineering, the College of Electronics & Information Engineering, Shanghai Research Institute for Intelligent Autonomous Systems, the State Key Laboratory of Intelligent Autonomous Systems, and Frontiers Science Center for Intelligent Autonomous Systems, Tongji University（控制科学与工程系，电子与信息工程学院，上海智能自主系统研究院，智能自主系统国家重点实验室，智能自主系统前沿科学中心，同济大学） ； National Key Laboratory of Human-Machine Hybrid Augmented Intelligence, Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人机混合增强智能国家重点实验室，人工智能与机器人研究院，西安交通大学）
专题命中 多模态评测 ：multi-modal(abstract)；cross-modal(abstract)；分类 cs.CV
AI总结 DST-Calib通过双路径自监督方法，无需目标实现激光雷达与摄像头的高效外参校准，提升泛化能力。
通过合成数据对齐时间序列，利用大语言模型进行增强的理解与推理
机构 * Tsinghua University（清华大学）
专题命中 多模态评测 ：multimodal(abstract)；MLLM(abstract)；分类 cs.AI
AI总结 ChatTS通过合成数据生成方法，首次实现了多变量时间序列的多模态大语言模型，显著提升了时间序列的理解与推理性能。
Comments accepted by VLDB' 25
XAI-MeD: 可解释知识引导的神经符号框架用于医学影像中的领域泛化和稀有类别检测
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV、cs.AI
AI总结 XAI-MeD通过整合临床知识的神经符号框架，提升医学影像中领域泛化和稀有类别检测的性能，实现更鲁棒和可解释的多模态医学AI。
Comments Accepted at AAAI Bridge Program 2026
弥合认知鸿沟：面向艺术图像美学评估的层次描述学习
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV
AI总结 本文提出RAD数据集和ArtQuant框架，通过联合描述生成和LLM解码器提升艺术图像美学评估的准确性和效率。
Comments AAAI2026,Project Page:https://github.com/Henglin-Liu/ArtQuant
HARBOR：面向行为医疗的综合自适应风险评估模型
机构 * Aditya Siddhant（独立研究者）
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.AI
AI总结 HARBOR模型通过整合多模态数据，有效预测行为医疗中的情绪和风险评分，实现69%的准确率，优于传统方法和现有LLMs。
DGE-YOLO：双分支聚集与注意力用于准确的无人机目标检测
专题命中 多模态评测 ：multi-modal(abstract)；分类 cs.CV
AI总结 DGE-YOLO 通过双分支架构和高效多尺度注意力机制，提升多模态无人机目标检测的准确性和鲁棒性。
Comments 5 pages, 5 figures
针对心脏超声的深度分割架构的统一回顾与基准测试：CAMUS
机构 * Department of Computer Science ； Artificial Intelligence, Dongguk University, Seoul 04620, Republic of Korea ； Department of Semiconductor System Engineering, Sejong University, Seoul, 05006, Republic of Korea ； Department of Operations Research ； Statistics, Faculty of Organizational Sciences, University of Belgrade, Belgrade, Serbia ； Department of Industrial Engineering \& Management, Yuan Ze University, Taoyuan City 320315, Taiwan ； Department of Applied Mathematical Science, College of Science ； Technology, Korea University, Sejong 30019, Republic of Korea
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV
AI总结 本文通过统一基准测试评估了三种心脏超声分割架构的性能，提出标准化预处理方法，并展望了自监督和多模态标注技术的应用。
对具有自主和/或远程控制的国产移动机械臂在抓取和搬运任务中印象差异的评估
专题命中 多模态评测 ：multimodal(abstract)
AI总结 本研究评估了国产移动机械臂在抓取和搬运任务中自主与远程控制模式对用户印象的影响。
Comments Published in Advanced Robotics (2020). v2 updates Abstract/Comments (metadata only); paper content unchanged. Please cite: Advanced Robotics 34(20):1291-1308, 2020. https://doi.org/10.1080/01691864.2020.1780152
Journal ref Advanced Robotics, 34(20):1291-1308, 2020
自主电池研究：启发式在位实验原理
机构 * ISIS Neutron & Muon Source, Rutherford Appleton Laboratory（ISIS中子与穆子源、拉瑟福德-苹果顿实验室） ； The Faraday Institution（法拉第机构） ； Diamond Light Source, Rutherford Appleton Laboratory（Diamond光源、拉瑟福德-苹果顿实验室） ； University of Cambridge, The Old Schools, Trinity Ln（剑桥大学、旧校舍、三一街） ； Imperial College London, Department of Mechanical Engineering（伦敦帝国理工学院、机械工程系）
专题命中 多模态评测 ：multi-modal(abstract)
AI总结 本文提出启发式在位实验框架，利用AI和数字孪生技术主动捕捉电池退化中的罕见事件，提升实验效率和数据可靠性。
Comments 38 pages, 14 figures. Includes a detailed technical review of the POLARIS, BAM, DRIX, M-Series, and B18 electrochemical cells in the Supplementary Information
KGCE：基于多模态语言模型的跨平台教育代理基准评估知识增强双图评估器
机构 * Faculty of the School of Computer Science, Central China Normal University（中央财经大学计算机学院）
专题命中 多模态Agent ：multimodal(title,abstract)；分类 cs.AI
AI总结 KGCE提出一种基于多模态语言模型的跨平台教育代理基准评估框架，通过知识库增强和双图评估方法提升对特定学校软件任务的执行效率和评估精度。
AI代理系统：架构、应用与评估
机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学）
专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI
AI总结 本文综述了AI代理系统在架构、应用与评估方面的最新进展，探讨了代理组件、协调模式及部署设置，并分析了设计权衡与评估挑战。
面向自动驾驶的视觉-语言-动作模型：过去、现在与未来
机构 * HKUST（香港科技大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； HKUST(GZ)（香港科技大学（广州）） ； DAMO Academy, Alibaba（阿里巴巴达摩院） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Xiaomi EV（小米电动车） ； Xi'an Jiaotong University（西安交通大学） ； Nanyang Technological University, Singapore（新加坡南洋理工大学）
专题命中 多模态Agent ：multimodal(abstract)
AI总结 本文探讨了自动驾驶中视觉-语言-动作模型的发展历程，提出两种主要范式并分析其挑战与未来方向。
Comments Survey; 47 pages, 7 figures, 9 tables; GitHub Repo at https://github.com/worldbench/awesome-vla-for-ad
SLGNet: 结合结构先验与语言引导调制的多模态目标检测
机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航天信息研究所） ； Key Laboratory of Target Cognition and Application Technology, Chinese Academy of Sciences（中国科学院目标认知与应用技术重点实验室） ； School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences（中国科学院大学电子电气与通信工程学院） ； School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CV
AI总结 SLGNet通过结合结构先验与语言引导调制，在冻结的ViT基础上实现高效多模态目标检测，提升环境适应性和检测性能。
通过脑启发的分层表征学习实现细粒度跨模态理解
机构 * School of Computing, University of Georgia, Athens, GA, USA（计算学院，佐治亚大学，亚特兰大，GA，USA）
专题命中 多模态训练与对齐 ：cross-modal(title,abstract)；multi-modal(abstract)；分类 cs.CV
AI总结 NeuroAlign通过脑启发的分层表征学习，在fMRI-视频对齐中实现细粒度跨模态理解，提升跨模态检索性能。
数据增强多模态特征融合用于口腔癌病变的多类视觉识别
机构 * MSA University（MSA大学）
专题命中 多模态训练与对齐 ：multimodal(title,abstract)；分类 cs.CV
AI总结 本文提出一种数据增强驱动的多模态特征融合框架，用于提升口腔癌病变的多类视觉识别性能。
普里提维-互补自适应融合编码器（CAFE）：解锁洪水淹没制图的全部潜力
机构 * Center for Sustainability and the Global Environment (SAGE), University of Wisconsin–Madison（可持续性与全球环境中心（SAGE），威斯康星大学麦迪逊分校） ； Portsmouth AI and Data Science Centre (PAIDS), School of Computing, University of Portsmouth（波特兰人工智能与数据科学中心（PAIDS），计算学院，波特兰大学）
专题命中 多模态训练与对齐 ：multi-modal(abstract)；分类 cs.CV
AI总结 普里提维-互补自适应融合编码器（CAFE）通过融合多通道多模态数据提升洪水制图的分割性能。
Comments Accepted at CV4EO Workshop @ WACV 2026
AlignVTOFF: 基于纹理-空间特征对齐的高保真虚拟试穿
机构 * Sino-European School of Technology, Shanghai University（上海大学 sino-欧洲技术学院） ； National Demonstration Center for Experimental Engineering Training Education, Shanghai University（上海大学国家级实验工程培训教育示范中心）
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV
AI总结 AlignVTOFF通过纹理-空间特征对齐提升虚拟试穿的高保真生成效果
MacVQA: 适应性内存分配与全局噪声过滤用于连续视觉问答
专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV
AI总结 MacVQA通过适应性内存分配和全局噪声过滤提升持续视觉问答的性能，实现更高的准确率和更低的遗忘率。
Comments Accepted to AAAI 2026
AR-MOT：自回归多目标跟踪
机构 * Dalian University of Technology（大连理工大学）
专题命中 多模态训练与对齐 ：multi-modal(abstract)；分类 cs.CV
AI总结 AR-MOT通过自回归范式将多目标跟踪建模为序列生成任务，利用灵活的序列构建实现结构化输出，引入物体分词器和区域感知对齐模块，提升多模态和长期跟踪能力。
Comments 12 pages, 5 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈