多模态大模型

Thinking with Tables: Enhancing Multi-Modal Tabular Understanding via Neuro-Symbolic Reasoning

基于表格的思考：通过神经符号推理增强多模态表格理解

Kun-Yang Yu, Zhi Zhou, Shi-Yu Tian, Xiao-Wen Yang, Zi-Yi Jia, Ming Yang, Zi-Jian Cheng, Lan-Zhe Guo, Yu-Feng Li

机构 * State Key Laboratory of Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） ； School of Intelligence Science and Technology, Nanjing University, China（智能科学与技术学院，南京大学，中国） 纠错

专题命中 其他多模态 ：multi-modal(title,abstract)；multimodal(abstract)；分类 cs.CL

AI总结 本文提出TWT框架，通过神经符号推理解决表格数据结构多样性、特征依赖复杂性及任务异质性问题，在八个数据集上验证了其在多模态表格理解任务中的优越性能。

Comments 20 pages, 6 figures

Quantification and object perception in Multimodal Large Language Models and human linguistic cognition

多模态大语言模型和人类语言认知中的量化与物体感知

Raquel Montero, Natalia Moskvina, Paolo Morosi, Tamara Serrano, Elena Pagliarini, Evelina Leivada

机构 * Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； Institució Catalana de Recerca i Estudis Avançats (ICREA)（加泰罗尼亚高级科研与研究机构（ICREA）） 纠错

专题命中 其他多模态 ：multimodal(title,abstract)；分类 cs.CL

AI总结 本文研究多模态大语言模型和人类在量化中的关键特征，探讨其在模型架构中的编码差异及语言影响。

Efficient Controller Learning from Human Preferences and Numerical Data Via Multi-Modal Surrogate Models

通过多模态代理模型高效学习人类偏好和数值数据的控制器

Lukas Theiner, Maik Pfefferkorn, Yongpeng Zhao, Sebastian Hirt, Rolf Findeisen

机构 * Control and Cyber-Physical Systems Laboratory, Technical University of Darmstadt（控制与网络物理系统实验室，德累斯顿技术大学） ； Volkswagen AG（大众汽车集团） 纠错

专题命中 其他多模态 ：multi-modal(title,abstract)

AI总结 本文提出一种多保真度、多模态贝叶斯优化框架，结合低保真度数值数据与高保真度人类偏好，提升控制器学习效率。

Comments 8 pages, 4 figures, accepted for ECC 2026

ByteHouse: ByteDance's Cloud-Native Data Warehouse for Real-Time Multimodal Data Analytics

字节跳动的云原生数据仓库：用于实时多模态数据分析

Yuxing Han, Yu Lin, Yifeng Dong, Xuanhe Zhou, Xindong Peng, Xinhui Tian, Zhiyuan You, Yingzhong Guo, Xi Chen, Weiping Qu, Tao Meng, Dayue Gao, Haoyu Wang, Liuxi Wei, Huanchen Zhang, Fan Wu

专题命中 其他多模态 ：multimodal(title,abstract)

AI总结 本文提出ByteHouse，一种云原生数据仓库，解决多模态数据存储效率低、查询优化不足和资源分散导致性能下降的问题，通过统一存储引擎、共享缓存和优化计算层实现高效实时分析。

Parallel adaptive reweighting importance sampling for Bayesian astrophysics

并行自适应重加权重要性采样用于贝叶斯天文学

Miaoxin Liu, Alvin J. K. Chua

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文提出PARIS方法，通过高斯混合模型自适应重加权采样，提升高维多模态后验估计的效率与准确性。

Comments Code available at https://github.com/mx-Liu123/parismc