视觉大模型 / VLM

MLLM-CL: Continual Learning for Multimodal Large Language Models

Hongbo Zhao, Fei Zhu, Haiyang Guo, Meng Wang, Rundong Wang, Gaofeng Meng, Zhaoxiang Zhang

机构 * UCAS（中国科学院自动化研究所） ； CASIA（中国科学院自动化研究所） ； HKISI, CAS（中国科学院香港研究所） ； HKU（香港大学） 纠错

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

Reinforcement Learning-Based Prompt Template Stealing for Text-to-Image Models

Xiaotian Zou

机构 * Xiaotian Zou 纠错

专题命中 其他VLM ：multimodal large language model(abstract)；分类 cs.CV、cs.AI

Comments 10 pages, 3 figures

Dirichlet-Prior Shaping: Guiding Expert Specialization in Upcycled MoEs

Leyla Mirvakhabova, Babak Ehteshami Bejnordi, Gaurav Kumar, Hanxue Liang, Wanru Zhao, Paul Whatmough

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 其他VLM ：vision-language model(abstract)；分类 cs.LG

Automatically Generating Web Applications from Requirements Via Multi-Agent Test-Driven Development

Yuxuan Wan, Tingshuo Liang, Jiakai Xu, Jingyu Xiao, Yintong Huo, Michael R. Lyu

机构 * The Chinese University of Hong Kong（香港中文大学） ； Columbia University in the City of New York（哥伦比亚大学） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 其他VLM ：multimodal large language model(abstract)；分类 cs.AI

From Seeing to Predicting: A Vision-Language Framework for Trajectory Forecasting and Controlled Video Generation

Fan Yang, Zhiyang Chen, Yousong Zhu, Xin Li, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心、自动化研究所、中国科学院） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室、深圳中国） ； School of Artificial Intelligence, University of Chinese Academy of Science, Beijing, China（人工智能学院、中国科学院大学、北京中国） ； Wuhan AI Research, Wuhan, China（武汉人工智能研究、武汉中国） ； MAPLE Lab, Westlake University（MAPLE实验室、西湖大学） 纠错

专题命中 其他VLM ：vision language model(abstract)；分类 cs.CV