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。

2025-08-25 至 2025-08-25 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. 视觉推理 3 篇

2508.15802 2025-08-25 cs.CL cs.AI 83%

MAC: A Live Benchmark for Multimodal Large Language Models in Scientific Understanding

Mohan Jiang, Jin Gao, Jiahao Zhan, Dequan Wang

机构 * Shanghai Jiao Tong University（上海交通大学）； Shanghai Innovation Institute（上海创新研究院）； Fudan University（复旦大学）

专题命中视觉推理：multimodal large language model(title,abstract)；MLLM(abstract)；分类 cs.AI

2508.14879 2025-08-25 cs.GR cs.CV 57%

MeshCoder: LLM-Powered Structured Mesh Code Generation from Point Clouds

Bingquan Dai, Li Ray Luo, Qihong Tang, Jie Wang, Xinyu Lian, Hao Xu, Minghan Qin, Xudong Xu, Bo Dai, Haoqian Wang, Zhaoyang Lyu, Jiangmiao Pang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）； Tsinghua University（清华大学）； Harbin Institute of Technology（哈尔滨工业大学）； Beijing Institute of Technology（北京理工大学）； AI Thrust, HKUST(GZ)（AI thrust, 香港科技大学（广州））

专题命中视觉推理：multimodal large language model(abstract)；分类 cs.CV

2508.15854 2025-08-25 cs.CL 50%

QU-NLP at QIAS 2025 Shared Task: A Two-Phase LLM Fine-Tuning and Retrieval-Augmented Generation Approach for Islamic Inheritance Reasoning

Mohammad AL-Smadi

机构 * Qatar University（卡塔尔大学）

专题命中视觉推理：grounding(abstract)