Fudan University（复旦大学）

Synthesizing High-Quality Visual Question Answering from Medical Documents with Generator-Verifier LMMs

从医学文献合成高质量的视觉问答系统：基于生成-验证框架的大型多模态模型

Xiaoke Huang, Ningsen Wang, Hui Liu, Xianfeng Tang, Yuyin Zhou

机构 * UC Santa Cruz（加州大学圣克ruz分校） ； Fudan University（复旦大学） ； Amazon Research（亚马逊研究） 纠错

AI总结 MedVLSynther通过生成-验证框架从开放文献合成高质量医学VQA数据，提升六个基准测试的准确率，达到77.57的VQA-RAD表现。

Comments Project page, code, data, and models: https://ucsc-vlaa.github.io/MedVLSynther/ ; Accepted by ICLR'26

Multilingual Routing in Mixture-of-Experts

混合专家中的多语言路由

Lucas Bandarkar, Chenyuan Yang, Mohsen Fayyaz, Junlin Hu, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Fudan University（复旦大学） 纠错

AI总结 本研究分析了混合专家模型在处理多语言文本时的路由机制，揭示了中间层的跨语言路由对齐现象，并通过简单干预提升了多语言性能。

Comments ICLR 2026, In The Fourteenth International Conference on Learning Representations, 2025

Journal ref The Fourteenth International Conference on Learning Representations (2026)