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。

2026-01-13 至 2026-01-13 共收录 4 篇信号源：cs.CV, cs.CL, cs.AI, cs.MM, eess.AS

1. 跨模态检索 4 篇

2601.07329 2026-01-13 cs.CL 83%

BayesRAG: Probabilistic Mutual Evidence Corroboration for Multimodal Retrieval-Augmented Generation

BayesRAG: 基于概率互证的多模态检索增强生成

Xuan Li, Yining Wang, Haocai Luo, Shengping Liu, Jerry Liang, Ying Fu, Weihuang, Jun Yu, Junnan Zhu

机构 * University of Science and Technology of China（中国科学技术大学）； Unisound AI Technology Co.Ltd（Unisound AI技术有限公司）； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）

专题命中跨模态检索：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CL

AI总结 BayesRAG通过概率互证机制提升多模态检索增强生成的性能，有效解决异构模态的隔离问题。

Comments 17 pages, 8 figures

2509.09681 2026-01-13 cs.IR cs.AI cs.CL cs.LG 62%

DB3 Team's Solution For Meta KDD Cup' 25

DB3团队的Meta KDD杯'25解决方案

Yikuan Xia, Jiazun Chen, Yirui Zhan, Suifeng Zhao, Weipeng Jiang, Chaorui Zhang, Wei Han, Bo Bai, Jun Gao

机构 * Key Laboratory of High Confidence Software Technologies, CS, Peking University, China（高可信软件技术重点实验室，中国科学院，北京大学）； Theory Lab, Central Research Institute, 2012 Labs, Huawei Technologies Co., Ltd, Shenzhen, China（理论实验室，中央研究院，2012实验室，华为技术有限公司，深圳）

专题命中跨模态检索：multi-modal(abstract)；分类 cs.CL、cs.AI

AI总结 DB3团队通过多模态检索框架和拒绝训练方法，在KDD杯'25的CRAG-MM挑战中取得优异成绩，尤其在处理第一人称视角问题上表现突出。

2601.07333 2026-01-13 cs.CV cs.RO 57%

OSCAR: Open-Set CAD Retrieval from a Language Prompt and a Single Image

OSCAR: 从语言提示和单张图像进行开放集CAD检索

Tessa Pulli, Jean-Baptiste Weibel, Peter Hönig, Matthias Hirschmanner, Markus Vincze, Andreas Holzinger

机构 * BOKU University, Human-Centered AI Lab, FTEC, Department for Ecosystem Management, Climate（博乐大学，以人为中心的人工智能实验室，FTEC，生态系统管理部，气候）； Institute for Human Centered Computing, Faculty of Informatics（以人为中心的计算研究所，信息学院）； Biomedical Engineering, TU Graz, Graz, Austria（生物医学工程，格拉茨技术大学，格拉茨，奥地利）

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

AI总结 OSCAR通过语言提示和单张图像实现开放集CAD检索，无需训练即可在未标记数据库中检索匹配对象模型，提升6D物体姿态估计的自动化水平。

2601.06496 2026-01-13 cs.CV 57%

3D CoCa v2: Contrastive Learners with Test-Time Search for Generalizable Spatial Intelligence

3D CoCa v2：基于测试时间搜索的对比学习用于通用空间智能

Hao Tang, Ting Huang, Zeyu Zhang

机构 * School of Computer Science, Peking University（北京大学计算机学院）

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

AI总结 3D CoCa v2通过测试时间搜索提升3D场景描述的泛化能力，实现对比学习与描述生成的统一，提高鲁棒性。