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。

2025-09-19 至 2025-09-19 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. 视觉问答 3 篇

2509.14886 2025-09-19 cs.CL cs.AI 79%

A Multi-To-One Interview Paradigm for Efficient MLLM Evaluation

Ye Shen, Junying Wang, Farong Wen, Yijin Guo, Qi Jia, Zicheng Zhang, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学）； Shanghai AI Laboratory（上海人工智能实验室）； Fudan University（复旦大学）

专题命中视觉问答：MLLM(title,abstract)；分类 cs.AI

Comments 5 pages, 2 figures

2509.14267 2025-09-19 cs.CL cs.AI cs.IT math.IT 57%

Graph-Enhanced Retrieval-Augmented Question Answering for E-Commerce Customer Support

Piyushkumar Patel

机构 * Microsoft（微软）

专题命中视觉问答：grounding(abstract)；分类 cs.AI

2412.13835 2025-09-19 cs.CL 50%

RAcQUEt: Unveiling the Dangers of Overlooked Referential Ambiguity in Visual LLMs

Alberto Testoni, Barbara Plank, Raquel Fernández

机构 * Amsterdam UMC, Department of Medical Informatics（阿姆斯特丹大学医学中心，医学信息学系）； Center for Information and Language Processing, LMU Munich（信息与语言处理中心，慕尼黑大学）； Munich Center for Machine Learning (MCML), Munich（慕尼黑机器学习中心（MCML））； Institute for Logic, Language and Computation (ILLC), University of Amsterdam（逻辑、语言与计算研究所（ILLC），阿姆斯特丹大学）

专题命中视觉问答：grounding(abstract)

Comments Accepted to EMNLP 2025 (Main Conference)