MODUS: Decoder-Only Any-to-Any Modeling of Diverse Modalities
MODUS：仅解码器的多模态任意到任意建模
AI总结 研究任意到任意多模态建模，提出仅解码器的对称多模态建模方法Modus，无需特定模态组件，支持多种应用，在各基准测试中用单模型展现强大性能且与基线竞争，材料开源。
Comments Accepted at ICML 2026. Project page: https://modus-multimodal.epfl.ch
期刊&会议
ICML
International Conference on Machine Learning · 会议 · Machine Learning
Salient Knowledge Pathways: Sparse Cross-Modal Routing for Efficient Knowledge-Intensive Multimodal Question Answering
显著知识路径：用于高效知识密集型多模态问答的稀疏跨模态路由
AI总结 研究知识密集型多模态问答，提出SKIP架构，通过问题引导视觉令牌修剪等方法，沿稀疏路径计算路由，结合自适应预算控制器，在五个基准测试中，以更少计算量和更低延迟达到或超越密集基线准确性。
Comments Accepted at the 43rd International Conference on Machine Learning (ICML 2026) Workshop on Efficient Multimodal Question Answering (EMM-QA), Seoul, South Korea. Copyright 2026 by the author(s). (Archival)
MedJudgeRAG: Option-Wise Evidence Judgment with Dynamic Knowledge Graphs for Medical MCQA
MedJudgeRAG：用于医学多项选择题问答的基于动态知识图谱的选项级证据判断
AI总结 针对医学MCQA中普通RAG降低LM性能的问题，提出MedJudgeRAG框架，将检索文档表示为动态知识图谱，为选项判断证据裁决并确定知识利用策略，经监督微调训练，实验证明其性能优于基线，且动态知识图谱在训练时作用更有效。
Comments 16 pages, 2 figures, Accepted at The Workshop on Graph Foundation Models at the 43 rd International Conference on Machine Learning (ICML 2026)
When Thinking Before Retrieval Hurts: TraceBound Diagnostics for Adaptive Knowledge-Graph Retrieval
当检索前思考有害时：用于自适应知识图谱检索的TraceBound诊断
AI总结 研究知识图谱自适应检索中“检索前思考”有害问题，引入TraceBound诊断协议，它能暴露查询配置文件等。实验表明虽改善可检查性，但降低检索质量，通过分析定位退化原因，指出应将其作为动作选择控制问题评估。
Comments 11 pages, 4 figures, 15 tables. Accepted at the Failure Modes in Agentic AI (FAGEN) Workshop at ICML 2026
What Gets Lost When Memory Becomes Media? Evaluating AI-Generated Oral History Visualization
当记忆成为媒介时会失去什么？评估人工智能生成的口述历史可视化
AI总结 研究散居海外者口述历史可视化中记忆变媒介时的问题，基于口述历史理论设计指标，比较两种管道，发现场景规划与叙事保留冲突，提出基于失败模式的评估框架、冲突分析及系统选择路由协议。
Comments Accepted at ICML 2026 Workshop on Culture x AI: Evaluating AI as a Cultural Technology
