多模态大模型

Embodied Intelligence for 3D Understanding: A Survey on 3D Scene Question Answering

Zechuan Li, Hongshan Yu, Yihao Ding, Yan Li, Yong He, Naveed Akhtar

机构 * organization= College of Electrical ； Information Engineering,Hunan University , city= Changsha , postcode= 410082 , state= Hunan , country= China ； organization= School of Computing \& Information Systems ,The University of Melbourne , city= Melbourne , postcode= VIC 3053 , state= VIC , country= Australia ； organization= School of Computer Science,The University of Sydney , city= Sydney , postcode= NSW 2006 , state= NSW , country= Australia ； organization= School of Artificial Intelligence ,Anhui University , city= Hefei , postcode= 230601 , state= Anhui , country= China 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

Comments This is a submitted version of a paper accepted by Information Fusion

Automated Visualization Makeovers with LLMs

Siddharth Gangwar, David A. Selby, Sebastian J. Vollmer

机构 * University of Kaiserslautern–Landau (RPTU)（凯撒斯劳滕-兰道大学（RPTU）） ； Department of Data Science and its Applications, German Research Center for Artificial Intelligence (DFKI)（数据科学及其应用系，德国人工智能研究中心（DFKI）） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

GuirlVG: Incentivize GUI Visual Grounding via Empirical Exploration on Reinforcement Learning

Weitai Kang, Bin Lei, Gaowen Liu, Caiwen Ding, Yan Yan

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； University of Minnesota（明尼苏达大学） ； Cisco Research（思科研究） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments 9 pages

DP-GPT4MTS: Dual-Prompt Large Language Model for Textual-Numerical Time Series Forecasting

Chanjuan Liu, Shengzhi Wang, Enqiang Zhu

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CL

Transferring Expert Cognitive Models to Social Robots via Agentic Concept Bottleneck Models

Xinyu Zhao, Zhen Tan, Maya Enisman, Minjae Seo, Marta R. Durantini, Dolores Albarracin, Tianlong Chen

机构 * The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Arizona State University（亚利桑那州立大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CL

Comments 27 pages, 7 figures

Adaptive AI Agent Placement and Migration in Edge Intelligence Systems

Xingdan Wang, Jiayi He, Zhiqing Tang, Jianxiong Guo, Jiong Lou, Liping Qian, Tian Wang, Weijia Jia

机构 * Institute of Artificial Intelligence and Future Networks, Beijing Normal University, China（人工智能与未来网络研究院，北京师范大学，中国） ； Faculty of Arts and Sciences, Beijing Normal University, China（文理学院，北京师范大学，中国） ； Department of Computer Science and Engineering, Shanghai Jiao Tong University, China（计算机科学与工程系，上海交通大学，中国） ； College of Information Engineering, Zhejiang University of Technology, China（信息工程学院，浙江工业大学，中国） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

L3M+P: Lifelong Planning with Large Language Models

Krish Agarwal, Yuqian Jiang, Jiaheng Hu, Bo Liu, Peter Stone

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

A Survey on Agent Workflow -- Status and Future

Chaojia Yu, Zihan Cheng, Hanwen Cui, Yishuo Gao, Zexu Luo, Yijin Wang, Hangbin Zheng, Yong Zhao

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments 12 pages, 3 figures, accepted to IEEE Conference, ICAIBD(International Conference of Artificial Intelligence and Big Data) 2025. This is the author's version, not the publisher's. See https://ieeexplore.ieee.org/document/11082076

Journal ref IEEE ICAIBD 2025, pp. 770-781

Exploring 3D Reasoning-Driven Planning: From Implicit Human Intentions to Route-Aware Activity Planning

Xueying Jiang, Wenhao Li, Xiaoqin Zhang, Ling Shao, Shijian Lu

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

GUIOdyssey: A Comprehensive Dataset for Cross-App GUI Navigation on Mobile Devices

Quanfeng Lu, Wenqi Shao, Zitao Liu, Lingxiao Du, Fanqing Meng, Boxuan Li, Botong Chen, Siyuan Huang, Kaipeng Zhang, Ping Luo

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The University of Hong Kong（香港大学） ； Nanjing University（南京大学） ； Shanghai Jiao Tong University（上海交通大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

Comments 22 pages, 14 figures, ICCV 2025, a cross-app GUI navigation dataset

ADAgent: LLM Agent for Alzheimer's Disease Analysis with Collaborative Coordinator

Wenlong Hou, Guangqian Yang, Ye Du, Yeung Lau, Lihao Liu, Junjun He, Ling Long, Shujun Wang

机构 * 1 Department of Biomedical Engineering, The Hong Kong Polytechnic University, Hong Kong SAR, China 2 Amazon, USA 3 Shanghai Artificial Intelligence Laboratory, China 4 Department of Geriatrics, Third Affiliated Hospital of Sun Yat-sen University, China 5 Research Institute for Smart Ageing, The Hong Kong Polytechnic University, Hong Kong SAR, China 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.CV

DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery

Kun Li, Zhennan Wu, Shoupeng Wang, Jia Wu, Shirui Pan, Wenbin Hu

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments 29 pages, 8 figures, 2 tables

Efficient and Scalable Agentic AI with Heterogeneous Systems

Zain Asgar, Michelle Nguyen, Sachin Katti

机构 * Stanford University（斯坦福大学） ； Gimlet Labs Inc.（Gimlet实验室） ； Intel（英特尔） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

Comments Early access preprint

HARLF: Hierarchical Reinforcement Learning and Lightweight LLM-Driven Sentiment Integration for Financial Portfolio Optimization

Benjamin Coriat, Eric Benhamou

机构 * CentraleSupelec（中央理工-巴黎高等电子学院） ； Ai for Alpha IJCAI 2025 - FinLLM Workshop（IJCAI 2025 年 FinLLM 工作坊） 纠错

专题命中 多模态Agent ：cross-modal(abstract)；分类 cs.AI

MMS Player: an open source software for parametric data-driven animation of Sign Language avatars

Fabrizio Nunnari, Shailesh Mishra, Patrick Gebhard

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CL

Enhancing Visual Planning with Auxiliary Tasks and Multi-token Prediction

Ce Zhang, Yale Song, Ruta Desai, Michael Louis Iuzzolino, Joseph Tighe, Gedas Bertasius, Satwik Kottur

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； Meta 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

Towards Autonomous Riding: A Review of Perception, Planning, and Control in Intelligent Two-Wheelers

Mohammed Hassanin, Mohammad Abu Alsheikh, Carlos C. N. Kuhn, Damith Herath, Dinh Thai Hoang, Ibrahim Radwan

机构 * Faculty of Science & Technology, University of Canberra（科学与技术学院，堪培拉大学） ； OpenSI - Faculty of Science and Technology, University of Canberra（OpenSI - 科学与技术学院，堪培拉大学） ； School of Electrical and Data Engineering, University of Technology Sydney（电气与数据工程学院，悉尼技术大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

Comments 17 pages

MATE: LLM-Powered Multi-Agent Translation Environment for Accessibility Applications

Aleksandr Algazinov, Matt Laing, Paul Laban

机构 * Tsinghua University（清华大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Adversarial Activation Patching: A Framework for Detecting and Mitigating Emergent Deception in Safety-Aligned Transformers

Santhosh Kumar Ravindran

机构 * Microsoft Corporation（微软公司） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact

Rizwan Qureshi, Ranjan Sapkota, Abbas Shah, Amgad Muneer, Anas Zafar, Ashmal Vayani, Maged Shoman, Abdelrahman B. M. Eldaly, Kai Zhang, Ferhat Sadak, Shaina Raza, Xinqi Fan, Ravid Shwartz-Ziv, Hong Yan, Vinjia Jain, Aman Chadha, Manoj Karkee, Jia Wu, Seyedali Mirjalili

机构 * Center for research in Computer Vision, University of Central Florida（计算机视觉研究中心，中央佛罗里达大学） ； Cornell University（康奈尔大学） ； Department of Electronics Engineering, Mehran University of Engineering & Technology（电子工程系，工程与技术大学） ； Department of Imaging Physics, The University of Texas MD Anderson Cancer Center（成像物理系，德克萨斯大学MD安德森癌症中心） ； Intelligent Transportation Systems, University of Tennessee（智能交通运输系统，田纳西大学） ； Department of Electrical Engineering, City University of Hong Kong（电气工程系，香港城市大学） ； Department of Mechanical Engineering, Bartin University（机械工程系，巴廷大学） ； Vector Institute, Toronto Canada（多伦多加拿大向量研究所） ； Manchester Metropolitan University（曼彻斯特 Metropolitan 大学） ； Center for Data Science, New York University（数据科学中心，纽约大学） ； Meta Research（Meta 研究） ； Amazon Research（亚马逊研究） ； Centre for Artificial Intelligence Research and Optimization, Torrens University Australia（人工智能研究与优化中心，塔伦斯大学澳大利亚） ； University Research and Innovation Center, Obuda University（研究与创新中心，奥布达大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Introspection of Thought Helps AI Agents

Haoran Sun, Shaoning Zeng

机构 * Yangtze Delta Region Institute (Huzhou), University of Electronic and Science Technology of China（长江三角洲地区研究院（湖州），电子科技大学） ； School of Information and Software Engineering, University of Electronic and Science Technology of China（信息与软件工程学院，电子科技大学） ； Zhejiang Chuangjiekedong Ltd., Huzhou, Zhejiang, China（浙江创捷科技有限公司，湖州，浙江，中国） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

LLaPa: A Vision-Language Model Framework for Counterfactual-Aware Procedural Planning

Shibo Sun, Xue Li, Donglin Di, Mingjie Wei, Lanshun Nie, Wei-Nan Zhang, Dechen Zhan, Yang Song, Lei Fan

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； University of New South Wales（新南威尔士大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CL

SkyVLN: Vision-and-Language Navigation and NMPC Control for UAVs in Urban Environments

Tianshun Li, Tianyi Huai, Zhen Li, Yichun Gao, Haoang Li, Xinhu Zheng

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments 8 pages, 9 figures, has been accepted by IROS 2025

AI-Driven Scholarly Peer Review via Persistent Workflow Prompting, Meta-Prompting, and Meta-Reasoning

Evgeny Markhasin

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments 23 pages, 37 pages (references and appendixes)

LeAD: The LLM Enhanced Planning System Converged with End-to-end Autonomous Driving

Yuhang Zhang, Jiaqi Liu, Chengkai Xu, Peng Hang, Jian Sun

机构 * College of Transportation, Tongji University（同济大学交通运输学院） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

Aria-UI: Visual Grounding for GUI Instructions

Yuhao Yang, Yue Wang, Dongxu Li, Ziyang Luo, Bei Chen, Chao Huang, Junnan Li

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Comments ACL 2025

Action Space Reduction Strategies for Reinforcement Learning in Autonomous Driving

Elahe Delavari, Feeza Khan Khanzada, Jaerock Kwon

机构 * Electrical and Computer Engineering（电气与计算机工程） ； University of Michigan–Dearborn（密歇根大学-迪尔伯恩分校） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

Embodied AI Agents: Modeling the World

Pascale Fung, Yoram Bachrach, Asli Celikyilmaz, Kamalika Chaudhuri, Delong Chen, Willy Chung, Emmanuel Dupoux, Hongyu Gong, Hervé Jégou, Alessandro Lazaric, Arjun Majumdar, Andrea Madotto, Franziska Meier, Florian Metze, Louis-Philippe Morency, Théo Moutakanni, Juan Pino, Basile Terver, Joseph Tighe, Paden Tomasello, Jitendra Malik

机构 * Meta AI Research（Meta AI 研究） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.AI

WebNav: An Intelligent Agent for Voice-Controlled Web Navigation

Trisanth Srinivasan, Santosh Patapati

机构 * Dept. of Applied AI（应用人工智能系） ； Cyrion Labs（Cyrian实验室） ； Dallas, USA（美国达拉斯） 纠错

专题命中 多模态Agent ：multi-modal(abstract)；分类 cs.AI

Intelligent Histology for Tumor Neurosurgery

Xinhai Hou, Akhil Kondepudi, Cheng Jiang, Yiwei Lyu, Samir Harake, Asadur Chowdury, Anna-Katharina Meißner, Volker Neuschmelting, David Reinecke, Gina Furtjes, Georg Widhalm, Lisa Irina Koerner, Jakob Straehle, Nicolas Neidert, Pierre Scheffler, Juergen Beck, Michael Ivan, Ashish Shah, Aditya Pandey, Sandra Camelo-Piragua, Dieter Henrik Heiland, Oliver Schnell, Chris Freudiger, Jacob Young, Melike Pekmezci, Katie Scotford, Shawn Hervey-Jumper, Daniel Orringer, Mitchel Berger, Todd Hollon

机构 * Department of Neurosurgery, University of Michigan, Ann Arbor, MI, USA（密歇根大学神经外科部） ； Department of Neurosurgery, University Hospital Cologne, Cologne, Germany（科隆大学医院神经外科部） ； Department of Neurosurgery, Medical University of Vienna, Vienna, Austria（维也纳医学大学神经外科部） ； Department of Neurosurgery, University Medical Center Freiburg, Freiburg, Germany（弗赖堡大学医学中心神经外科部） ； Department of Neurosurgery, University of Miami, Miami, FL, USA（迈阿密大学神经外科部） ； Department of Pathology, University of Michigan, Ann Arbor, MI, USA（密歇根大学病理学部） ； Department of Neurosurgery, University Hospital Erlangen, Erlangen, Germany（埃朗根大学医院神经外科部） ； Invenio Imaging Inc., Santa Clara, CA, USA（Invenio Imaging公司） ； Department of Neurosurgery, University of California, San Francisco, CA, USA（加州大学旧金山分校神经外科部） ； Department of Neurosurgery, NYU Langone Health, New York, NY, USA（纽约大学Langone健康中心神经外科部） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV