University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

You May Speak Freely: Improving the Fine-Grained Visual Recognition Capabilities of Multimodal Large Language Models with Answer Extraction

你可能可以自由发言：通过答案提取提升多模态大语言模型的细粒度视觉识别能力

Logan Lawrence, Oindrila Saha, Megan Wei, Chen Sun, Subhransu Maji, Grant Van Horn

机构 * University of Massachusetts, Amherst（马萨诸塞大学阿姆赫斯特分校） ； Brown University（布朗大学） 纠错

AI总结 本文提出nlg2choice方法，通过两阶段策略提升多模态大语言模型在细粒度视觉识别任务中的表现，通过开放性问题和受限解码提高检索效率。

Comments Accepted to WACV26. 12 pages, 8 tables, 5 figures

RaX-Crash: A Resource Efficient and Explainable Small Model Pipeline with an Application to City Scale Injury Severity Prediction

RaX-Crash：一种资源高效且可解释的小模型流水线及其在城市规模伤害严重性预测中的应用

Di Zhu, Chen Xie, Ziwei Wang, Haoyun Zhang

机构 * 1 Department of Computer Science ； Engineering, Santa Clara University, Santa Clara, USA Email ； 2 Manning College of Information \& Computer Sciences, University of Massachusetts Amherst, Amherst, MA, USA Email ； 3 Department of Electrical ； Computer Engineering, Carnegie Mellon University, Pittsburgh, USA Email ； 4 University of Pennsylvania, Philadelphia, USA Email 纠错

AI总结 RaX-Crash通过高效小模型和可解释性方法，在城市规模伤害严重性预测中实现优于小语言模型的性能，同时通过SHAP分析揭示关键影响因素。