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。

2025-10-16 至 2025-10-16 共收录 3 篇信号源：cs.CV, cs.AI, cs.LG

1. 其他VLM 3 篇

2510.13276 2025-10-16 cs.CV cs.CL 79%

MMLongCite: A Benchmark for Evaluating Fidelity of Long-Context Vision-Language Models

Keyan Zhou, Zecheng Tang, Lingfeng Ming, Guanghao Zhou, Qiguang Chen, Dan Qiao, Zheming Yang, Libo Qin, Minghui Qiu, Juntao Li, Min Zhang

机构 * Soochow University（苏州大学）； ByteDance（字节跳动）； Harbin Institute of Technology（哈尔滨工业大学）； Central South University（中南大学）

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

2510.13364 2025-10-16 cs.CV cs.AI 62%

Language as a Label: Zero-Shot Multimodal Classification of Everyday Postures under Data Scarcity

MingZe Tang, Jubal Chandy Jacob

机构 * Department of Computing Science University of Aberdeen（计算科学系阿伯丁大学）

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

2504.13211 2025-10-16 cs.CV cs.AI 62%

MIRROR: Multimodal Cognitive Reframing Therapy for Rolling with Resistance

Subin Kim, Hoonrae Kim, Jihyun Lee, Yejin Jeon, Gary Geunbae Lee

机构 * KT Corporation, Republic of Korea（韩国KT公司）； Graduate School of Artificial Intelligence, POSTECH, Republic of Korea（POSTECH人工智能研究生院）； Computer Science and Engineering, POSTECH, Republic of Korea（POSTECH计算机科学与工程系）

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

Comments EMNLP 2025 Main