Detection and characterisation of two VLM binaries: LP 1033-31 and LP 877-72
专题命中 视觉定位与Grounding ：VLM(title)
Comments 14 pages, 6 figures, accepted for publication in MNRAS
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。
1. 视觉定位与Grounding 7464 篇
Discourse Coherence, Reference Grounding and Goal Oriented Dialogue
专题命中 视觉定位与Grounding ：grounding(title)
Comments Accepted for Publishing at SemDial 2020
NERO: A Neural Rule Grounding Framework for Label-Efficient Relation Extraction
专题命中 视觉定位与Grounding ：grounding(title)
Comments Accepted by WWW2020. Code available at https://github.com/INK-USC/NERO
Grounded Agreement Games: Emphasizing Conversational Grounding in Visual Dialogue Settings
专题命中 视觉定位与Grounding ：grounding(title)
A Local Resolution of the Problem of Time. XIV. Grounding on Lie's Mathematics
专题命中 视觉定位与Grounding ：grounding(title)
Comments 44 pages including 12 figures
Zero-Shot Open Entity Typing as Type-Compatible Grounding
专题命中 视觉定位与Grounding ：grounding(title)
Comments 16 pages, 5 figures, Accepted at EMNLP 2018
Semantic query-by-example speech search using visual grounding
专题命中 视觉定位与Grounding ：grounding(title)
Comments Accepted to ICASSP 2019
Multimodal Grounding for Sequence-to-Sequence Speech Recognition
专题命中 视觉定位与Grounding ：grounding(title)
Comments ICASSP 2019
Grounding the Semantics of Part-of-Day Nouns Worldwide using Twitter
专题命中 视觉定位与Grounding ：grounding(title)
Comments In PEOPLES2018 short papers (NAACL workshop), 6 pages, 5 figures, 1 table
Grounding Dynamic Spatial Relations for Embodied (Robot) Interaction
专题命中 视觉定位与Grounding ：grounding(title)
Comments in: Pham, D.-N. and Park, S.-B., editors, PRICAI 2014: Trends in Artificial Intelligence, volume 8862 of Lecture Notes in Computer Science, pages 958-971. Springer
Theoretical Grounding for Estimation in Conditional Independence Multivariate Finite Mixture Models
专题命中 视觉定位与Grounding ：grounding(title)
Comments 21 pages, 1 figure
Relational causality and classical probability: Grounding quantum phenomenology in a superclassical theory
专题命中 视觉定位与Grounding ：grounding(title)
Comments 22 pages, 5 figures; talk presented at the 2nd international symposium on "Emergent Quantum Mechanics" (Vienna, Austria, 3-6 October, 2013), http://www.emqm13.org/. To be published in J. Phys.: Conf. Ser. (2014)
Journal ref J. Phys.: Conf. Ser. (2014) 504 012006
On the grounding of spin effects in theory of synchrotron radiation
专题命中 视觉定位与Grounding ：grounding(title)
Comments 6 pages, LATEX
Journal ref Nucl. Instr. and Meth. A448 (2000) 81-84
Grounding Bohmian Mechanics in Weak Values and Bayesianism
专题命中 视觉定位与Grounding ：grounding(title)
Comments 11 pages
Journal ref New J. Phys. 9 165 (2007)
Example-based Robust Abnormality Detection with Minimal Annotations using Exemplar Med-DETR
基于范例的、使用最少标注的鲁棒异常检测：Exemplar Med-DETR
机构 * Friedrich-Alexander-Universität（弗里德里希-亚历山大大学） ； Siemens Healthineers（西门子医疗） ； Siemens Medical Solutions（西门子医疗解决方案）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究针对医学目标检测标注需求高的问题，扩展EM-DETR框架提出Exemplar Med-DETR方法，结合基于范例的特征生成与领域感知对比优化，用不足10%标注数据实现接近SOTA的胸部X射线异常检测性能，适配新疾病发现且无需大量重训练。
NeoWorld-Pro: Programming Interactive Scenes from Monocular Images for Embodied Simulation
NeoWorld-Pro：从单目图像编程交互式场景以实现具身仿真
机构 * Shanghai Jiao Tong University（上海交通大学） ； Huazhong University of Science and Technology（华中科技大学）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 针对具身AI中图像转仿真场景的物理与交互性不足问题，提出NeoWorld-Pro框架，通过MLLMs将单目图像转为可执行程序，结合物理在环机制优化，性能优于现有方法并支持复杂下游任务。
Object Counting Across Modalities: Taxonomies, Benchmarks, Applications, and Open Challenges
跨模态物体计数：分类体系、基准、应用及开放挑战
机构 * University of Wyoming（怀俄明大学） ； Geometric Intelligence Research Lab.（几何智能研究实验室）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 本综述针对跨模态物体计数领域，提出五轴分类体系，梳理应用领域挑战，给出路线图，强调需构建稳健评估基础设施区分开放世界泛化与基准优化。
FOVEA: Focused On-Demand Visual Evidence Adaptation for Cache-Friendly Multimodal Speculative Decoding
FOVEA：面向缓存友好型多模态推测解码的聚焦式按需视觉证据适配
专题命中 视觉定位与Grounding ：vision-language model(abstract)；grounding(abstract)；分类 cs.CV
AI总结 FOVEA是一种缓存友好型多模态推测解码方法，通过动态检索视觉记忆子集提升草稿接受率，使多模态生成速度最高提升2.13倍。
From Subjective Judgments to Auditable Standards:Protocol-Guided AI Auditing of Website Redundancy
从主观判断到可审计标准：协议引导的网站冗余度AI审计
专题命中 视觉定位与Grounding ：vision-language model(abstract)；grounding(abstract)；分类 cs.CV
AI总结 本文提出CORA审计方法，通过多维度测量分离网站冗余的不同含义，在测试台上表现优于基线，对不达标工具弃权自动评分，是受控基准的可审计候选程序。
Specialist-Generalist Fusion with Outcome-Supervised Rationales for Deepfake Detection
语言训练深度伪造检测器的正则化能力
机构 * Computer Vision Lab, CAIDAS, University of Würzburg（计算机视觉实验室，CAIDAS，乌尔姆大学）
专题命中 视觉定位与Grounding ：MLLM(abstract,abstract_cn)；分类 cs.CV
AI总结 提出利用多模态大语言模型的双编码器架构和两阶段训练，通过语言正则化缓解过拟合，提升深度伪造检测的泛化性和可解释性。
Spatially Grounded Long-Horizon Task Planning in the Wild
在真实环境中进行具有长时域的任务规划
机构 * Korea University（韩国大学） ； Microsoft Research（微软研究院） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
专题命中 视觉定位与Grounding ：vision-language model(abstract)；grounding(abstract)；分类 cs.AI
AI总结 本文提出了一种基于空间的规划任务，引入了GroundedPlanBench基准，评估机器人在真实环境中的长时域动作规划能力，并通过V2GP框架提升空间接地规划性能。
Comments 9 pages, 7 figures
Journal ref 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
STAR-OPD: Structured Aspect-Cascade-Aware On-Policy Reward Distillation for ABSA Quadruple Extraction
STAR-OPD：面向ABSA四元组抽取的结构化级联感知在线策略奖励蒸馏
机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.AI
AI总结 该研究针对ABSA四元组抽取中蒸馏模型的结构错误问题，提出STAR-OPD方法，通过在线策略蒸馏结合级联感知集结构奖励，在多个数据集上优于基线，缩小了学生-教师差距并提升了推理效率。
Breaking Planner Integrity Boundary: Enviroment State-Text Injection Attack on LLM-Driven Embodied Agents
当状态成为攻击面：大语言模型驱动的具身智能体中的状态语义注入
机构 * Wuhan University（武汉大学） ； University at Buffalo（布法罗大学）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.AI
AI总结 该文聚焦LLM驱动的具身智能体，梳理其技术演进与现有模型，指出其需结合多类信息完成任务落地后执行，为后续状态语义注入攻击研究奠定基础。
Comments submitted to USENIX Security 2027
Neurosymbolic Embodied Agents
神经符号具身智能体
机构 * Imperial College London（帝国理工学院） ； Johns Hopkins University（约翰斯·霍普金斯大学） ； City, University of London（伦敦城市大学）
专题命中 视觉定位与Grounding ：vision-language model(abstract)；grounding(abstract)；分类 cs.AI
AI总结 该研究提出一种神经符号具身智能体，将长周期家庭任务分解为视觉探索与符号规划，在VirtualHome、ALFWorld基准测试中表现优异，约束与搜索结合可大幅提升任务解决率，且无需专门训练。
Counterfactual Sensitivity Is Not Repairability: Auditing Replay Probes for Video Evidence
反事实敏感性不等于可修复性：针对视频证据的重播探针审计
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 本研究提出黑盒反事实探针 CARVE，通过对比 SHAM 与 DESTROY 重播下的答案变化，审计视频智能体的证据依赖，在 LVBench 上取得准确率提升，验证了反事实敏感性与可修复性的差异。
Comments 23 pages, 2 figures. Code: https://github.com/KurbanIntelligenceLab/CARVE
Benchmarking Foundation and Large Language Models for Few-Shot Medical Image Segmentation
基准测试用于小样本医学图像分割的基础模型与大语言模型
专题命中 视觉定位与Grounding ：MLLM(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究推出统一基准FAME，涵盖四类模型，含14958个样本，评估得出小样本分割的关键规律，助力开发更有效的小样本医学分割方法。
Comprehension of Multilingual Expressions Referring to Target Objects in Visual Inputs
视觉输入中指代目标对象的多语言表达式理解
机构 * Instituto Superior Técnico（技术高等学院）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 本研究针对多语言指代表达式理解问题，构建了含10种语言的统一多语言数据集，提出基于多语言SigLIP2编码器的注意力锚定高效架构，验证了该模型在多语言视觉定位任务上的竞争力与稳定性。
SCVIB: Editable State-Conditioned Visual Instance Binding forMulti-Turn Personalized Localization
SCVIB：面向多轮个性化定位的可编辑状态条件视觉实例绑定
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.CV
AI总结 该研究提出多轮个性化定位设置SCVIB，结合TT-VG与VEGA方法构建测试平台，解决多轮定位中支持证据利用不足问题，相关指标优于对比方法。
NEURON: A Neuro-symbolic System for Grounded Clinical Explainability
NEURON：一种面向临床可解释性的神经符号系统
机构 * University of North Texas（北卡罗来纳大学达顿分校） ； Texas Tech University Health Sciences Center（德克萨斯农工大学健康科学中心）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.AI
AI总结 NEURON结合医学本体和机器学习模型，提升预测可靠性与临床可解释性，通过RAG层生成自然语言解释，在MIMIC-IV数据集上提升AUC至0.84-0.88。
Numeracy in Large Language Models: Fundamental Limitations and Paths to Improvement
大型语言模型中的数字能力：基本局限与改进路径
机构 * University of Chinese Academy of Sciences（中国科学院大学）
专题命中 视觉定位与Grounding ：grounding(abstract,abstract_cn)；分类 cs.AI
AI总结 本研究针对LLMs在基础数值任务中的不可靠性，提出数值基础框架（NGF）并结合三大基准评估前沿模型，给出改进数值能力的部署建议与研究方向。
