arXivDaily arXiv每日学术速递 周一至周五更新

AI 大模型

视觉大模型 / VLM

视觉语言模型、视觉推理、视觉问答、图文理解和视觉 grounding。

2025-07-30 至 2025-07-30 共收录 1 信号源:cs.CV, cs.AI, cs.LG

1. 文档图表理解 1 篇

2505.20726 2025-07-30 cs.RO 50%

ManiTaskGen: A Comprehensive Task Generator for Benchmarking and Improving Vision-Language Agents on Embodied Decision-Making

Liu Dai, Haina Wang, Weikang Wan, Hao Su

专题命中 文档图表理解 :vision-language model(abstract)

Comments Project Website: https://manitaskgen.github.io/

详情

展开后加载摘要…

URL PDF HTML 收藏