多模态大模型

Seeing Candidates at Scale: Multimodal LLMs for Visual Political Communication on Instagram

大规模识别候选人：用于推特视觉政治沟通的多模态大语言模型

Michael Achmann-Denkler, Mario Haim, Christian Wolff

机构 * Media Informatics Group University of Regensburg（媒体信息学组莱比锡大学） ； Department of Media and Communication Ludwig-Maximilians-Universität Munich, Germany（媒体与传播系路德维希-马克西米利安大学慕尼黑，德国） 纠错

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

AI总结 本文评估了专用机器学习模型和新兴多模态大语言模型在视觉政治沟通分析中的能力，展示了GPT-4o在识别领先政治人物和计数中的优越性能。

Comments An earlier version was presented at #SMSociety 2024 (London)

Phase-Aware Policy Learning for Skateboard Riding of Quadruped Robots via Feature-wise Linear Modulation

面向四足机器人滑板骑行的相位感知策略学习

Minsung Yoon, Jeil Jeong, Sung-Eui Yoon

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文提出相位感知策略学习框架，通过特征级线性调制层提升四足机器人滑板骑行的相位依赖行为捕捉与跨相位知识共享，验证了在仿真中的指令跟踪精度和效率。

Comments ICRA 2026 | Project Page: https://minsungyoon.github.io/projects/papl/ | M. Yoon and J. Jeong contributed equally