A Systematic Review of Key Retrieval-Augmented Generation (RAG) Systems: Progress, Gaps, and Future Directions
Agada Joseph Oche, Ademola Glory Folashade, Tirthankar Ghosal, Arpan Biswas
机构
*
Bredesen Center for Interdisciplinary Research, University of Tennessee, Knoxville, USA（跨学科研究中心，田纳西大学，肯塔基州 Knoxville）
；
National Center for Computational Sciences, Oak Ridge National Laboratory, Oak Ridge, USA（计算科学国家中心，橡树岭国家实验室，橡树岭）
；
University of Tennessee-Oak Ridge Innovation Institute, University of Tennessee, Knoxville, USA（田纳西大学橡树岭创新研究所，田纳西大学，肯塔基州 Knoxville）
Long-Form Answers to Visual Questions from Blind and Low Vision People
Mina Huh, Fangyuan Xu, Yi-Hao Peng, Chongyan Chen, Hansika Murugu, Danna Gurari, Eunsol Choi, Amy Pavel
机构
*
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
；
Carnegie Mellon University（卡内基梅隆大学）
；
Hong Kong University of Science and Technology（香港科学与技术大学）
；
University of Colorado Boulder（科罗拉多大学博尔德分校）
专题命中
视觉问答
：vision language model(abstract)；分类 cs.CV
Unraveling the geometry of visual relational reasoning
Jiaqi Shang, Gabriel Kreiman, Haim Sompolinsky
机构
*
Program in Neuroscience, Harvard Medical School（神经科学项目，哈佛医学院）
；
Boston Children’s Hospital, Harvard Medical School（波士顿儿童医院，哈佛医学院）
；
Center for Brains, Minds, and Machines（大脑、心智与机器中心）
；
Edmond and Lily Safra Center for Brain Sciences, Hebrew University（埃德蒙与莉莉·萨弗脑科学中心，希伯来大学）
专题命中
视觉推理
：visual reasoning(abstract)；分类 cs.CV
Comments27 pages, 7 figures, 8 SI figures, 2 SI tables
AgMMU: A Comprehensive Agricultural Multimodal Understanding Benchmark
Aruna Gauba, Irene Pi, Yunze Man, Ziqi Pang, Vikram S. Adve, Yu-Xiong Wang
机构
*
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
；
Rice University（Rice大学）
；
Carnegie Mellon University（卡内基梅隆大学）
；
AIFARMS
；
Center for Digital Agriculture at UIUC（伊利诺伊大学厄巴纳-香槟分校数字农业中心）
机构
*
Shanghai Jiao Tong University（上海交通大学）
；
Tsinghua University（清华大学）
；
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
；
The Chinese University of Hong Kong（香港中文大学）
；
Sensetime
专题命中
视觉定位与Grounding
：LLaVA(abstract)；multimodal large language model(abstract)；分类 cs.CV
机构
*
Max Planck Institute for Psycholinguistics（马克斯·普朗克心理学研究所）
；
Donders Institute for Brain Cognition and Behaviour（多纳尔斯脑认知与行为研究所）
；
Utrecht University（乌得勒支大学）
专题命中
视觉定位与Grounding
：grounding(abstract)；分类 cs.CV
CommentsAccepted to IEEE/CVF International Conference on Computer Vision (ICCV) 2025
机构
*
Shanghai AI Laboratory（上海人工智能实验室）
；
Shanghai Jiao Tong University（上海交通大学）
；
Xiamen University（厦门大学）
；
University of Science and Technology of China（中国科学技术大学）
；
The Hong Kong University of Science and Technology（香港科技大学）
；
Harbin Institute of Technology（哈尔滨工业大学）
；
Tsinghua University（清华大学）
；
Nanjing University（南京大学）
；
Fudan University（复旦大学）
；
University of Hong Kong（香港大学）
；
Donghua University（东华大学）
；
The Chinese University of Hong Kong（香港中文大学）
Accelerating Multimodal Large Language Models via Dynamic Visual-Token Exit and the Empirical Findings
Qiong Wu, Wenhao Lin, Yiyi Zhou, Weihao Ye, Zhanpeng Zen, Xiaoshuai Sun, Rongrong Ji
机构
*
Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学）
；
Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究院）
专题命中
VLM训练与架构
：multimodal large language model(title)；LLaVA(abstract)；InternVL(abstract)；分类 cs.CV、cs.LG
