多模态大模型

From SERPs to Agents: A Platform for Comparative Studies of Information Interaction

从搜索结果页面到代理：一个用于信息交互比较研究的平台

Saber Zerhoudi, Michael Granitzer

专题命中 多模态Agent ：multi-modal(abstract)

AI总结 UXLab是一个开源平台，用于比较信息交互系统，通过无代码实验设计支持多模态交互研究。

Journal ref Proceedings of the 2026 ACM SIGIR Conference on Human Information Interaction and Retrieval (CHIIR '26)

Information Theoretic Optimal Surveillance for Epidemic Prevalence in Networks

信息论最优监控以估计网络中的疫情流行率

Ritwick Mishra, Abhijin Adiga, Madhav Marathe, S. S. Ravi, Ravi Tandon, Anil Vullikanti

专题命中 多模态Agent ：multi-modal(abstract)

AI总结 本文提出TESTPREV问题，通过最大化互信息选择网络节点以优化疫情流行率估计，提出GREEDYMI策略在IC模型下提升互信息和减少方差。

Comments 25 pages; Added acknowledgments; In Proceedings of the AAAI 2026 Conference

LeMoF: Level-guided Multimodal Fusion for Heterogeneous Clinical Data

LeMoF：面向异构临床数据的层级引导多模态融合

Jongseok Kim, Seongae Kang, Jonghwan Shin, Yuhan Lee, Ohyun Jo

专题命中 多模态训练与对齐 ：multimodal(title,abstract)；分类 cs.AI

AI总结 LeMoF通过层级引导的多模态融合方法，在异构临床数据中提升预测稳定性与判别能力。

RS2-SAM2: Customized SAM2 for Referring Remote Sensing Image Segmentation

RS2-SAM2：为指向遥感图像分割定制的SAM2

Fu Rong, Meng Lan, Qian Zhang, Lefei Zhang

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV

AI总结 RS2-SAM2通过结合遥感特征和文本特征，改进SAM2以实现更精确的遥感图像分割。

Comments AAAI 2026

Breaking the Limits of Open-Weight CLIP: An Optimization Framework for Self-supervised Fine-tuning of CLIP

突破开放权重CLIP的限制：一种用于CLIP自监督微调的优化框架

Anant Mehta, Xiyuan Wei, Xingyu Chen, Tianbao Yang

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV

AI总结 TuneCLIP通过自监督微调框架提升开放权重CLIP模型在多种下游任务上的性能，实现显著的性能提升。

Comments Submitted to ICLR 2026

LCF3D: A Robust and Real-Time Late-Cascade Fusion Framework for 3D Object Detection in Autonomous Driving

LCF3D: 一种用于自动驾驶中3D物体检测的鲁棒且实时的后期级联融合框架

Carlo Sgaravatti, Riccardo Pieroni, Matteo Corno, Sergio M. Savaresi, Luca Magri, Giacomo Boracchi

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV

AI总结 LCF3D通过结合RGB图像和LiDAR点云的后期级联融合方法，提升自动驾驶中3D物体检测的鲁棒性和实时性。

Comments 35 pages, 14 figures. Published at Pattern Recognition

ZK-SenseLM: Verifiable Large-Model Wireless Sensing with Selective Abstention and Zero-Knowledge Attestation

ZK-SenseLM：基于选择性回避和零知识证明的可验证大模型无线传感

Hasan Akgul, Mari Eplik, Javier Rojas, Aina Binti Abdullah, Pieter van der Merwe

专题命中 多模态训练与对齐 ：cross-modal(abstract)；分类 cs.CL

AI总结 ZK-SenseLM通过选择性回避和零知识证明提升无线传感的安全性和可验证性，实现高精度和鲁棒性。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

An effective interactive brain cytoarchitectonic parcellation framework using pretrained foundation model

一种利用预训练基础模型的有效交互式脑皮层分区框架

Shiqi Zhang, Fang Xu, Pengcheng Zhou

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出一种利用预训练基础模型的交互式脑皮层分区框架，通过多层特征融合和轻量级解码器实现高效分割，提升大规模数据集的分割精度。

Comments 10 pages, 5 figures, Accepted at IMIP2026 Code: https://github.com/Confetti22/cytoarch_brain_parcellation_dino

SIN-Bench: Tracing Native Evidence Chains in Long-Context Multimodal Scientific Interleaved Literature

SIN-Bench：在长上下文多模态科学交织文献中追踪原生证据链

Yiming Ren, Junjie Wang, Yuxin Meng, Yihang Shi, Zhiqiang Lin, Ruihang Chu, Yiran Xu, Ziming Li, Yunfei Zhao, Zihan Wang, Yu Qiao, Ruiming Tang, Minghao Liu, Yujiu Yang

机构 * Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； KuaiShou Inc.（快手公司） ； Stanford University（斯坦福大学） ； Harvard University（哈佛大学） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)；cross-modal(abstract)；分类 cs.CL、cs.AI、cs.MM

AI总结 SIN-Bench 通过构建科学交织语料库和四个逐步任务，评估多模态模型在长上下文科学文献中追踪证据链的能力，揭示接地是主要瓶颈。

In-the-Wild Compliant Manipulation with UMI-FT

现实环境中具有合规性的操控与UMI-FT

Hojung Choi, Yifan Hou, Chuer Pan, Seongheon Hong, Austin Patel, Xiaomeng Xu, Mark R. Cutkosky, Shuran Song

机构 * Department of Electrical Engineering, Stanford University（电气工程系，斯坦福大学） ； Department of Mechanical Engineering, Stanford University（机械工程系，斯坦福大学） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 UMI-FT通过紧凑的六轴力/扭矩传感器和多模态数据训练自适应合规策略，在现实环境中实现可靠力控制和抓取性能。

Comments submitted to ICRA 2026