多模态大模型

Collaboration of Fusion and Independence: Hypercomplex-driven Robust Multi-Modal Knowledge Graph Completion

融合与独立的协作：超复数驱动的鲁棒多模态知识图谱补全

Zhiqiang Liu, Yichi Zhang, Mengshu Sun, Lei Liang, Wen Zhang

机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-Ant Group Joint Lab of Knowledge Graph（浙大蚂蚁集团知识图谱联合实验室） ； Ant Group（蚂蚁集团） 纠错

专题命中 多模态训练与对齐 ：multi-modal(title,abstract)；cross-modal(abstract)；分类 cs.CL

AI总结 本文提出M-Hyper方法，结合融合与独立模态表示，利用四元数代数实现多模态交互，提升知识图谱补全的鲁棒性和效率。

Comments ACL 2026 (Main)

Information Router for Mitigating Modality Dominance in Vision-Language Models

信息路由器用于缓解视觉-语言模型中的模态主导问题

Seulgi Kim, Mohit Prabhushankar, Ghassan AlRegib

机构 * OLIVES at the Center for Signal ； Information Processing CSIP, School of Electrical 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)；cross-modal(abstract)；分类 cs.CV

AI总结 本文提出MoIR信息路由器，通过在融合前减少信息差异，缓解视觉-语言模型中模态主导问题，提升鲁棒性和下游性能。

Robust Multispectral Semantic Segmentation under Missing or Full Modalities via Structured Latent Projection

在缺失或完整模态下通过结构化潜在投影实现鲁棒多光谱语义分割

Irem Ulku, Erdem Akagündüz, Ömer Özgür Tanrıöver

机构 * Department of Computer Engineering, Ankara University（安卡拉大学计算机工程系） ； Department of Modeling and Simulation, Graduate School of Informatics, METU（信息学院建模与模拟系，METU） 纠错

专题命中 多模态训练与对齐 ：multimodal(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出CBC-SLP模型，通过结构化潜在投影保留模态不变和特定信息，提升多模态语义分割在缺失或完整模态下的鲁棒性和性能。

Comments 15 pages, 7 figures, 9 tables

Towards Robust Endogenous Reasoning: Unifying Drift Adaptation in Non-Stationary Tuning

迈向稳健的内生推理：统一非平稳调谐中的漂移适应

Xiaoyu Yang, En Yu, Wei Duan, Jie Lu

机构 * Australian Artificial Intelligence Institute (AAII)（澳大利亚人工智能研究所） ； Faculty of Engineering and Information Technology（工程与信息技术学院） 纠错

专题命中 多模态训练与对齐 ：multi-modal(abstract)

AI总结 本文提出CPO++框架，解决多模态大语言模型在内生推理中的漂移问题，通过反事实推理与领域知识结合，提升推理连贯性和决策精度，适用于医疗诊断和自动驾驶等安全关键领域。

Sample continuation in Bayesian hierarchical model via variational inference

通过变分推断在贝叶斯分层模型中进行样本延续

Yucong Liu, Zilai Si, Alexander Strang

专题命中 多模态训练与对齐 ：multimodal(abstract)

AI总结 研究通过变分推断跟踪先验参数变化对后验分布的影响，分析后验分布对先验假设的敏感性，并在先验假设显著改变时实现解的延续。