Biocompatible Vaterite Carriers Enable Multimodal Quantum Sensing with Nanodiamonds
双折射生物矿物微载体稳定液体中的多模态纳米金刚石量子传感
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 本研究利用双折射球文石微球作为载体，组装氮空位纳米金刚石，开发杂化平台实现液体中多模态量子传感，可用于磁场与质子浓度、pH值检测，性能优异。
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。
1. 多模态评测 330 篇
Neurai-VN Benchmark: Standardized Machine Learning Models for Multimodal Digital Phenotyping in Mental Health Classification
神经-VN基准：用于心理健康分类中多模态数字表型分析的标准化机器学习模型
机构 * College of Engineering and Computer Science, VinUni-Illinois Smart Health Center, VinUniversity（工程与计算机科学学院，VinUni - 伊利诺伊智能健康中心，Vin大学） ； School of Biomedical Engineering, International University, Vietnam National University HCMC（生物医学工程学院，胡志明市越南国立大学国际大学）
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 该研究基于Neurai-VN数据集构建可重复基准，定义四个临床相关二元分类任务，用标准化受试者交叉验证评估，在预定义特征配置下评估多种基线模型，给出各任务F1分数，为心理健康分类任务的多模态DP研究提供可重复基线。
WiWorld-RealData: A Real-World Multi-Modal Dataset for 6G Wireless World Models
WiWorld-RealData：用于6G无线世界模型的真实世界多模态数据集
专题命中 多模态评测 ：multi-modal(title,abstract)
AI总结 提出WiWorld-RealData数据集，包含3.7 GHz和6.775 GHz的信道冲激响应、多视角图像、全景图像、LiDAR点云、毫米波雷达记录和GNSS轨迹，支持环境辅助的信道预测，路径损耗预测MAE为2.02 dB。
Comments 6 pages, 6 figures, 3 tables
MapTab: A Diagnostic Benchmark for Long-Horizon Multi-Criteria Multimodal Reasoning on Heterogeneous Topological Graphs
MapTab: MLLMs 是否已准备好在异构图中进行多标准路线规划？
机构 * National Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； AMAP, Alibaba Group（阿里集团AMAP） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院）
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 本文提出MapTab基准测试，用于评估多模态大语言模型在多标准路线规划任务中的综合推理能力，发现当前模型在多模态推理方面存在显著挑战。
Challenges and proposed solutions in modeling multimodal medical data: A systematic review
多模态医疗数据建模的挑战与解决方案：一项系统综述
机构 * Institute of General Practice/Family Medicine（一般医学/家庭医学研究所） ； Freiburg Center for Data Analysis, Modeling and AI（弗赖堡数据分析、建模与人工智能中心） ； Institute of Medical Biometry and Statistics（医学生物统计研究所） ； Institute for Applied Medical Informatics（应用医学信息研究所） ； Institute of Medical Systems Biology（医学系统生物学研究所） ； Department of Computer Science（计算机科学系）
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 本系统综述针对多模态医疗数据建模面临的模态缺失、样本量有限等挑战，结合69项研究，介绍迁移学习等解决方案，为该领域未来研发提供实用指导。
MM-ARC: Multimodal Adaptive Routing of Capital with Robustness-Audited Strategy Pools
MM-ARC：具有稳健性审核策略池的资本多模态自适应路由
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 研究金融交易系统如何转化多模态市场历史，提出MM-ARC方法，通过多视图在不同专家间分配资本，经稳健性审核筛选候选方案，实验显示该方法在夏普比率和最大回撤等指标上优于基线，有相对基准的支持。
NSF Future Manufacturing Data Challenge: A Multimodal DED Dataset for Probabilistic Representation and Prediction of Laser-Track Geometry
NSF未来制造数据挑战：用于激光轨迹中概率局部几何预测的多模态DED数据集
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 该研究针对NSF未来制造数据挑战，引入多模态DED数据集预测激光轨迹局部几何变化，包含热图像序列、SEM图像和高度图三种模态，在不同激光功率下进行实验，发布相关代码及坐标约定。
Comments 4 pages, 2 figures
Device-Cloud Collaborative LLM Inference with Multi-Modal, Multi-Task, Multi-Turn Conversations
具有多模态、多任务、多轮对话的设备-云协作大语言模型推理
机构 * School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院） ； Department of Computer Science and Engineering, Yonsei University（延世大学计算机科学与工程系） ； Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系）
专题命中 多模态评测 ：multi-modal(title,abstract)
AI总结 研究大语言模型部署挑战，设计TMO设备-云推理系统，结合轻量级设备LLM和大规模云LLM，开发资源受限强化学习策略优化推理，贡献M4A1数据集，实验证明TMO在延迟、成本和响应质量方面效果显著。
Comments ACM MobiHoc 2025 (Best Paper Runner-Up) -> IEEE/ACM Transactions on Networking (extended journal version)
HEART-Watch: A multimodal physiological dataset from a Google Pixel Watch across different physical states
HEART-Watch：来自谷歌Pixel手表的不同身体状态下的多模态生理数据集
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 针对消费级智能手表心血管监测算法开发缺现实多样数据的问题，提出HEART-Watch多模态生理数据集，涵盖40名健康成年人三种身体状态下的多种信号及血压测量值，以支持相关算法开发与基准测试。
GrandTour: A Legged Robotics Dataset in the Wild for Multi-Modal Perception and State Estimation
GrandTour: 一种用于多模态感知与状态估计的野外腿式机器人数据集
机构 * ETH Zurich（苏黎世联邦理工学院） ； Stanford University（斯坦福大学） ； UC Berkeley（伯克利大学） ； Oxford University（牛津大学）
专题命中 多模态评测 ：multi-modal(title,abstract)
AI总结 GrandTour数据集为多模态感知与状态估计提供了大规模野外腿式机器人数据，支持SLAM和高精度状态估计的研究与开发。
Comments Turcan Tuna, and Jonas Frey contributed equally. Submitted to Sage The International Journal of Robotics Research
PoliTok-DE: A Multimodal Dataset of Political TikToks and Deletions From Germany
PoliTok-DE：德国政治TikTok及删除内容的多模态数据集
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 提出PoliTok-DE多模态数据集，包含两次德国选举的93万条TikTok帖子，其中33万条被删除，用于研究不宽容、政治传播及平台政策。
Quantifying Perovskite Solar Cell Degradation via Machine Learning from Spatially Resolved Multimodal Luminescence Time Series
通过空间分辨多模态发光时间序列的机器学习量化钙钛矿太阳能电池退化
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 提出深度学习框架LumPerNet，利用多模态发光成像（EL、PLoc、PLsc）直接估计钙钛矿太阳能电池的效率保持率，通过对比空间均匀化控制，发现全局发光演变包含主要预测信号，空间信息提供次要鲁棒性贡献。
Comments 32 pages, 14 figures
Asymmetry-Aware Routing for Industrial Multimodal Monitoring: A Diagnostic Framework
面向工业多模态监测的非对称感知路由：一个诊断框架
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 提出非对称感知路由框架，通过三步诊断（单模态性能差距、门权重归因、模态损坏测试）决定多模态融合策略，在三个数据集上验证了其有效性。
Comments A subsequent extension of this analysis to a larger corpus found that the heterogeneity predictor is collinear with the industrial-versus-general domain split, so the corresponding effect is not identifiable on the available data
A Multimodal Approach to Alzheimer's Diagnosis: Geometric Insights from Cube Copying and Cognitive Assessments
一种多模态阿尔茨海默病诊断方法：来自立方体复制和认知评估的几何洞察
机构 * Department of Electronic Engineering, Hanyang University（电子工程系，翰阳大学） ； Department of Artificial Intelligence, Hanyang University（人工智能系，翰阳大学）
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 提出多模态框架，将手绘立方体草图转换为图结构，结合人口统计和神经心理测试分数，用于阿尔茨海默病分类，图表示优于像素模型，多模态融合提升性能。
Localized Kernel Projection Outlyingness: A Two-Stage Approach for Multi-Modal Outlier Detection
局部核投影离群度：一种用于多模态离群检测的两阶段方法
机构 * Department of Computer Science, Aichi Institute of Technology（爱知技术大学计算机科学系）
专题命中 多模态评测 ：multi-modal(title,abstract)
AI总结 提出两阶段LKPLO框架，结合自适应损失函数、全局核PCA和局部聚类，解决多模态离群检测问题，在10个基准数据集上取得最优性能。
Comments 12 pages, 5 figures; accepted by The IEICE Transactions on Information and Systems
AssemLM: A Spatial Reasoning Multimodal Large Language Model for Robotic Assembly
AssemLM: 用于机器人装配的空间推理多模态大语言模型
机构 * Fudan University（复旦大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究所（TeleAI），中国电信） ； Tianjin University（天津大学） ； Northwestern Polytechnical University（西北工业大学） ； Tsinghua University（清华大学） ； City University of Hong Kong（香港城市大学）
专题命中 多模态评测 ：multimodal(title,abstract)
AI总结 提出AssemLM，一种融合装配手册、点云和文本指令的多模态大语言模型，通过专用点云编码器提取几何与旋转特征，实现精确的6D装配位姿推理，并构建含90万样本的AssemBench基准，在真实机器人装配任务中取得最优性能。
Comments Project Page: https://assemlmhome.github.io/
SmartMage: Dynamic Modality Orchestration for 3D Scene Understanding
SmartMage：面向3D场景理解的动态模态编排
机构 * Zhejiang University（浙江大学） ； Stanford University（斯坦福大学）
专题命中 多模态评测 ：MLLM(abstract,abstract_cn)；multimodal(abstract)；分类 cs.CV
AI总结 本文针对现有MLLMs采用固定模态组合的缺陷，提出SmartMage模型，通过SMART和MAGE模块动态编排模态，在5个3D场景理解基准上取得最优性能，在RGB视频理解基准上表现具竞争力。
Comments Accepted to ACM MM 2026
Tarot-SAM3: Training-free SAM3 for Any Referring Expression Segmentation
Tarot-SAM3: 无需训练的SAM3用于任意指称表达分割
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Nanyang Technological University（南洋理工大学）
专题命中 多模态评测 ：MLLM(abstract,abstract_cn)；multimodal(abstract)；分类 cs.CV
AI总结 Tarot-SAM3通过引入推理辅助提示和自修复机制，实现对任意指称表达的高效分割，有效解决传统方法对长或隐含表达的处理难题。
Comments We need to make a huge revision
CodePercept: Code-Grounded Visual STEM Perception for MLLMs
CodePercept: 基于代码的MLLM视觉STEM感知
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, School of Computer Science, Shanghai Jiao Tong University（人工智能大模型重点实验室，人工智能学院，计算机科学学院，上海交通大学） ； Qwen Team（通义实验室） ； Beijing Institute of Technology（北京理工大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学）
专题命中 多模态评测 ：MLLM(title_cn,abstract_cn)；分类 cs.CV
AI总结 本文发现多模态大模型在STEM视觉推理中感知能力是瓶颈，提出通过代码作为感知媒介，构建ICC-1M数据集和STEM2Code-Eval基准来增强和评估感知能力。
Comments Accepted by CVPR2026
MMArt: A Multi-Perspective Multimodal Dataset for Visual Art Understanding
MMArt：用于视觉艺术理解的多视角多模态数据集
机构 * University of Amsterdam（阿姆斯特丹大学） ； Amazon AGI（亚马逊AGI） ； College of Business and Economics, University of Johannesburg（约翰内斯堡大学经济与商学院）
专题命中 多模态评测 ：multimodal(title)；分类 cs.CV、cs.MM
AI总结 针对现有艺术数据集单视角局限，推出含74234幅WikiArt画作的多视角多模态数据集MMArt，通过分析各视角特性证实多视角设计的必要性，为视觉艺术理解提供支撑。
From Multimodal Perception to Strategic Reasoning: A Survey on AI-Generated Game Commentary
从多模态感知到策略推理：AI生成游戏评论综述
机构 * Peking University（北京大学） ； King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
专题命中 多模态评测 ：multimodal(title)；分类 cs.CL、cs.AI
AI总结 本文提出统一框架，将AI生成游戏评论分为描述性、分析性和背景性三类，综述方法、数据集和评估指标，并指出未来方向。
Mitigating GenAI-Powered Evidence Pollution for Out-Of-Context Misinformation Detection
缓解生成式人工智能（GenAI）驱动的证据污染以检测脱离上下文的虚假信息
专题命中 多模态评测 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CV、cs.CL、cs.MM
AI总结 该研究针对GenAI污染证据削弱OOC多模态虚假信息检测的问题，提出跨模态证据重排序与声明-证据推理策略，在基准数据集上验证了其对现有检测器鲁棒性的提升效果。
Comments 15 pages, 11 figures
MCBench: A Multicontext Safety Assessment Benchmark for Omni Large Language Models
MCBench：面向全能大语言模型的多上下文安全评估基准
机构 * Monash University（墨尔本大学） ； Defence Science and Technology Group（国防科学与技术集团）
专题命中 多模态评测 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CL、cs.AI、eess.AS
AI总结 针对现有多模态安全基准仅处理视觉输入的局限，提出MCBench基准，包含1196个跨四类安全场景的测试，要求整合多模态信息进行安全评估，揭示当前全能大语言模型在跨模态安全推理上的不足。
BRITE: A Benchmark for Reliable and Interpretable T2V Evaluation on Implausible Scenarios
BRITE：面向不可信场景的可靠可解释文本到视频评估基准
机构 * Department of Computer Science, Iowa State University, Ames, Iowa, USA（计算机科学系，爱荷华州立大学，爱荷华州阿姆斯，美国）
专题命中 多模态评测 ：multimodal(abstract)；audio-visual(abstract)；分类 cs.CV、cs.AI、cs.MM
AI总结 提出BRITE基准，通过人工参与协议统一不可信提示、细粒度音视频一致性评估和可解释QA评估，揭示现有模型在对象-动作绑定和音视频同步上的显著缺陷。
Imaginative Perception Tokens Enhance Spatial Reasoning in Multimodal Language Models
想象感知标记增强多模态语言模型的空间推理能力
机构 * University of Washington（华盛顿大学） ； Allen Institute for AI（Allen人工智能研究所） ； Microsoft（微软） ； OpenAI（开放人工智能研究院）
专题命中 多模态评测 ：multimodal(title)；分类 cs.AI
AI总结 提出想象感知标记（IPT）作为中间感知表征，通过监督学习提升多模态语言模型在不可见视角推理、遮挡路径追踪等空间推理任务上的性能，在三个新构建的数据集上优于文本思维链训练。
LoDA: A Level of Detection Aware Method and a Multimodal Sensing Benchmark for Object Level Change Detection
LoDA：一种面向目标级变化检测的检测级别感知方法及多模态感知基准
机构 * Western Australia Machine Intelligence Group Pty Ltd（西澳大利亚机器智能集团有限公司） ； The University of Western Australia（西澳大利亚大学） ； Curtin University（科廷大学）
专题命中 多模态评测 ：multimodal(title)；分类 cs.CV
AI总结 该研究针对自动驾驶等领域的目标级变化检测问题，提出LoDA检测级别感知方法，构建LoDA基准，在Subiaco和Urb3DCD-V2基准上均超越现有最佳基线，提升了变化检测性能。
GLI-AL: A Multi-Modal Glioma MRI Label Resource with Unified Anatomy-Lesion Labels
GLI-AL：一个具有统一解剖-病变标签的多模态胶质瘤MRI标签资源
机构 * Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi’an Jiaotong University（教育部生物医学信息工程重点实验室，西安交通大学生命科学与技术学院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） ； Research Center for Intelligent Medical Equipment and Devices (IMED), Xi’an Jiaotong University（西安交通大学智能医疗设备与器械研究中心）
专题命中 多模态评测 ：multi-modal(title)；分类 cs.CV
AI总结 研究针对现有BraTS-GLI数据集不足，引入BraTS-GLI Anatomy-Lesion资源，提供统一解剖-病变标签集及元数据。通过WMH感知监督，提升对共存病变敏感性，保持健康组织分割性能，支持多方面研究，数据和代码可获取。
Comments Minor revision: Figure 1 was repositioned. The scientific content remains unchanged
Thalia: A Global, Multi-Modal Dataset for Volcanic Activity Monitoring
Thalia：用于火山活动监测的全球多模态数据集
机构 * Remote Sensing Lab, National Technical University of Athens, Greece（希腊国家技术大学远程传感实验室） ； Department of Informatics and Telematics, Harokopio University of Athens, Greece（希腊雅典霍罗科普利奥大学信息与电信系） ； Image Processing Laboratory (IPL), Universitat de València, Spain（西班牙瓦伦西亚大学图像处理实验室） ； National Observatory of Athens, Greece（希腊国家天文台）
专题命中 多模态评测 ：multi-modal(title)；分类 cs.CV
AI总结 针对火山监测中InSAR数据复杂且标注数据集稀缺的问题，本文构建了Thalia数据集，整合多源高分辨率时空数据，并提供专家标注和基准评估，推动深度学习在火山变形监测中的应用。
Can We Defend Against AI-Generated Video Attacks on Real-World Crisis Events? A Systematic Evaluation of Detectors, Generators and Social Dissemination
我们能否防御AI生成视频对现实世界危机事件的攻击？对检测器、生成器及社交传播的系统性评估
专题命中 多模态评测 ：multimodal(abstract)；MLLM(abstract_cn)；分类 cs.CV、cs.AI
AI总结 本研究推出RA-Bench基准，系统评估AI生成视频检测器、生成器及社交传播特性，发现现有检测器泛化性差、难以检测逼真生成视频，需鲁棒检测器。
Comments 63 pages, 20 figures, 32 tables
LakeQuest: A Three-Domain Benchmark for Grounded Question Answering across Data Lakes
LakeQuest：用于跨数据湖的有基础问答的三领域基准测试
机构 * University of Waterloo（滑铁卢大学）
专题命中 多模态评测 ：multimodal(abstract)；cross-modal(abstract)；分类 cs.CL、cs.AI
AI总结 介绍LakeQuest基准测试，用于评估跨数据湖的有基础问答。它跨越三个领域，含9846个QA对及证据指针，能暴露系统故障模式。通过基线评估发现高质量检索不能保证正确推理，凸显未来智能QA系统需强大发现和跨文件组合机制。
Comments 24 pages, 4 figures, 18 tables. Accepted at the Conference on Language Modeling (COLM) 2026
