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。
用于乳腺超声诊断的通才-专家模型协作的引导与反馈框架
机构 * Monash University（莫纳什大学） ； Renmin University of China（中国人民大学） ； Lancaster University（兰卡斯特大学）
专题命中 多模态评测 ：MLLM(summary_cn,abstract)；multimodal(abstract)；分类 cs.CV、cs.MM
AI总结 针对乳腺超声诊断中深度学习的可靠性与可解释性难题，提出BooF框架实现MLLM与专家模型协作，经多数据集验证其性能优于现有最优方法。
Comments 5 pages, 2 figures. Published in ICASSP 2026
超越表象：揭示多模态大语言模型的情境错觉
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.CL、cs.AI
AI总结 本文针对多模态大语言模型（MLLMs）面临的情境错觉问题，构建分类体系并推出MSIBench基准，发现27种模型配置均易受6类错觉影响，通过提示工程和监督微调最多提升性能20%。
Comments 9 pages, 5 figures
TangramPuzzle: 通过组合空间推理评估多模态大语言模型
机构 * Tsinghua University（清华大学） ； Sun-Yat Sen University（孙逸人大学） ； Tencent Youtu Lab（腾讯优图实验室） ； University of Illinois Chicago（伊利诺伊大学香槟分校）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV、cs.CL、cs.AI
AI总结 TangramPuzzle通过几何基准测试评估多模态大语言模型的组合空间推理能力，发现模型在匹配轮廓时忽视几何约束，导致碎片变形。
Comments EMNLP 2026 Findings
一个用于高级多模态个性化研究的基准和知识引导框架
机构 * Google（谷歌） ； DeepMind（深Mind）
专题命中 多模态评测 ：multimodal(title,abstract)；分类 cs.CV
AI总结 本文提出Life-Bench基准和LifeGraph框架，用于解决高级多模态个性化研究中的复杂任务挑战。
LEMMA-RCA：用于根因分析的多模态多领域大型数据集
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NEC Laboratories America（NEC美国实验室） ； University of Kansas（堪萨斯大学） ； Rutgers University（罗格斯大学） ； NEC Laboratories Japan（NEC日本实验室）
专题命中 多模态评测 ：multi-modal(title,abstract)；分类 cs.AI
AI总结 针对根因分析领域缺乏大规模开源数据集的问题，本文提出多模态多领域大型数据集LEMMA-RCA，在其上评估六种基线方法，验证其可促进RCA技术的公平评估与发展。
Comments Accepted by CIKM 2026
LUCAID：用于肺癌精准病理学的智能体多模态AI
机构 * Institute of Pathology, Charité – Universitätsmedizin Berlin（柏林夏里特医学院病理学研究所） ； Freie Universität Berlin（柏林自由大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； Berlin Institute of Health at Charité – Universitätsmedizin Berlin（柏林夏里特医学院柏林卫生研究所） ； Aignostics GmbH（Aignostics有限公司） ； Machine Learning Group, Technical University of Berlin（柏林工业大学机器学习组） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（BIFOLD——柏林学习与数据基础研究所） ； MVZ HPH Institut für Pathologie und Hämatopathologie GmbH（HPH病理及血液病理诊断中心有限公司）
专题命中 多模态评测 ：multimodal(title)；分类 cs.CV、cs.AI
AI总结 该研究开发并临床验证了LUCAID智能体多模态AI系统，其覆盖肺癌病理全流程任务，前瞻性验证中临床决策一致性达93.0%，优于经验丰富的胸病理学家，解决了现有AI工具的不足。
评估深度多变量插补模型在可穿戴设备数据上的性能
机构 * University of Bristol（布里斯托大学） ； University of Manchester（曼彻斯特大学） ； University of Birmingham（伯明翰大学）
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.AI
AI总结 本研究针对可穿戴设备数据的结构化缺失问题，开发了保留共缺失结构的评估与训练协议，评估BRITS、SAITS等模型性能，发现模型排名依赖评估设计，为改进多传感器可穿戴数据插补策略提供了关键基础。
跨模态物体计数：分类体系、基准、应用及开放挑战
机构 * University of Wyoming（怀俄明大学） ； Geometric Intelligence Research Lab.（几何智能研究实验室）
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.CV
AI总结 本综述针对跨模态物体计数领域，提出五轴分类体系，梳理应用领域挑战，给出路线图，强调需构建稳健评估基础设施区分开放世界泛化与基准优化。
ReactBench: 一种用于在化学反应图上进行拓扑推理的MLLMs基准测试
机构 * International Digital Economy Academy（国际数字经济学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 多模态评测 ：multimodal(abstract)；分类 cs.AI
AI总结 ReactBench通过化学反应图揭示MLLMs在拓扑推理中的局限性，包含1618个专家标注的问答对，评估17种MLLMs显示锚定任务与整体结构推理任务存在超过30%的性能差距。
Comments Accepted to EMNLP 2026 (Main Conference)
C3VDReg：面向解剖定位的局部-局部结肠镜配准基准
机构 * UCL Hawkes Institute（UCL哈维斯研究所） ； University College London, University of London（伦敦大学学院, 伦敦大学） ； Division of Informatics, Imaging and Data Sciences（信息学、成像与数据科学部门） ； University of Manchester（曼彻斯特大学）
专题命中 多模态评测 ：cross-modal(abstract)；分类 cs.CV
AI总结 本文提出面向局部-局部结肠镜配准的基准C3VDReg，通过构建点云对评估基线模型，发现高几何重叠不足以保证配准精度，重复管状解剖的平移歧义是主要瓶颈，凸显需更强解剖与上下文约束。
Comments 15 pages, 6 figures
crossMoDA挑战赛：2021至2023年前庭神经鞘瘤与耳蜗分割的跨模态域自适应技术演进
机构 * School of BMEIS, King's College London, London, United Kingdom（伦敦国王学院生物医学工程与信息科学学院） ； Harvard University, USA（哈佛大学） ； Elisabeth-TweeSteden Hospital, Tilburg, Netherlands（蒂尔堡埃利斯贝特-特维德登医院） ； King's College Hospital, London, United Kingdom（伦敦国王学院医院） ； Center for Data Science, Peking University, Beijing, China（北京大学数据科学中心） ； Center for Data Science in Health and Medicine, Peking University, Beijing, China（北京大学健康与医学数据科学中心） ； Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Department of Radiology and Nuclear Medicine, Radboud University Medical Center, Geert Grooteplein 10, 6525 GA, Nijmegen, The Netherlands（拉德堡德大学医学中心放射科与核医学科） ； Department of Radiology, The Netherlands Cancer Institute, Plesmanlaan 121, 1066 CX, Amsterdam, The Netherlands（荷兰癌症研究所放射科） ； Nanyang Technological University, Singapore（南洋理工大学） ； Vanderbilt University, USA（范德比尔特大学） ； Department of Automation, Shanghai Jiao Tong University, Shanghai, China（上海交通大学自动化系） ； Mohamed bin Zayed University of Artificial Intelligence, Abu Dhabi, UAE（阿布扎克穆罕默德·本·扎耶德人工智能大学） ； School of Computer Science and Technology, Huazhong University of Science and Technology, Wuhan, China（华中科技大学计算机科学与技术学院） ； Center for Machine Vision and Security Research, Kennesaw State University, Marietta, MA 30060, USA（肯尼斯州立大学机器视觉与安全研究中心） ； Muroran Institute of Technology, Hokkaido, Japan（北海道Muroran理工学院） ； Niigata University of Health and Welfare, Niigata, Japan（Niigata健康与福利大学） ； University of South Florida, Tampa, FL, USA（佛罗里达州立大学） ； Infervision Advanced Research Institute, Beijing, China（北京Infervision高级研究 institutes） ； Academy for Multidisciplinary Studies, Capital Normal University, Beijing, China（北京师范大学多学科研究学院） ； School of Automation, Nanjing University of Information Science and Technology, Nanjing 210044, China（南京信息科学技术大学自动化学院）
专题命中 多模态评测 ：cross-modal(abstract)；分类 cs.CV
AI总结 该研究回顾2021-2023年crossMoDA挑战赛，分析跨模态域自适应技术在VS与耳蜗分割任务中的演进，发现数据规模与异构性提升可改善分割性能，但耳蜗Dice评分2023年下降，提示需更具挑战性的跨模态任务。
基于均匀照明视觉-触觉传感器的时空Transformer的鲁棒滑移检测与材料分类
机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院）
专题命中 多模态评测 ：multi-modal(abstract)
AI总结 本研究开发了带均匀RGB照明的视觉-触觉传感器与统一感知框架，采用双头部TimeSformer网络和ResNet-50主干，实现高精度滑移检测与物体分类，为机器人操作提供多模态感知基线。
Comments Accepted at IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2026. 8 pages, 10 figures
基于化学语言模型的电子态密度的结构无关预测
专题命中 多模态评测 ：cross-modal(abstract)
AI总结 该研究提出化学语言模型DOSSIER，无需晶体结构即可直接由元素组成预测电子态密度，在基准测试及合金筛选中表现出良好性能，为未合成化合物的DOS预测提供了结构无关的新方法。
Comments 8 pages, 3 figures, 1 table
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