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。

2025-08-01 至 2025-08-01 共收录 2 篇信号源：cs.CV, cs.AI, cs.LG

1. 其他VLM 2 篇

2503.14939 2025-08-01 cs.CV 79%

VisNumBench: Evaluating Number Sense of Multimodal Large Language Models

Tengjin Weng, Jingyi Wang, Wenhao Jiang, Zhong Ming

机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院）； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济发展实验室）； Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际 Graduate School）； Shenzhen Technology University（深圳技术大学）

专题命中其他VLM ：multimodal large language model(title,abstract)；分类 cs.CV

Comments accepted by ICCV 2025

2507.22896 2025-08-01 cs.HC cs.AI cs.CV cs.RO 62%

iLearnRobot: An Interactive Learning-Based Multi-Modal Robot with Continuous Improvement

Kohou Wang, ZhaoXiang Liu, Lin Bai, Kun Fan, Xiang Liu, Huan Hu, Kai Wang, Shiguo Lian

机构 * Unicom Data Intelligence（中国联通数据智能研究所）； Data Science & Artificial Intelligence Research Institute（数据科学与人工智能研究院）； China United Network Communications Group Corporation Limited（中国联合网络通信集团有限公司）

专题命中其他VLM ：MLLM(abstract)；分类 cs.CV、cs.AI

Comments 17 pages, 12 figures