多模态大模型

SSL-R1: Self-Supervised Visual Reinforcement Post-Training for Multimodal Large Language Models

SSL-R1: 多模态大语言模型的自监督视觉强化后训练

Jiahao Xie, Alessio Tonioni, Nathalie Rauschmayr, Federico Tombari, Bernt Schiele

机构 * Max Planck Institute for Informatics, SIC（马克斯·普朗克信息研究所，SIC） ； VIA Research Center（VIA研究中心） ； Google（谷歌） 纠错

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

AI总结 SSL-R1通过自监督学习生成可验证奖励，提升多模态大语言模型的推理能力，无需人工或外部监督，有效增强视觉理解。

Algorithm Unrolling-based Denoising of Multimodal Graph Signals

基于算法展开的多模态图信号去噪

Hayate Kojima, Keigo Takanami, Junya Hara, Yukihiro Bandoh, Seishi Takamura, Hiroshi Higashi, Yuichi Tanaka

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

AI总结 本文提出一种基于交替最小化方案的多模态图信号去噪方法，通过同时学习图结构和信号恢复，利用深度算法展开学习参数，实验表明优于现有模型和深度学习方法。

Comments Submitted to IEEE TSIPN

Journal ref IEEE Transactions on Signal and Information Processing over Networks, 13 April 2026 (Early Access)

Leaky-Wave Antenna Analysis using Multi-Modal Network Theory with Open Periodic Boundaries

基于开放周期边界的多模网络理论的泄漏波天线分析

Oscar Senlis, John N. Le, Anthony Grbic, Mauro Ettorre, Vincent Laquerbe, David González-Ovejero

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

AI总结 本文提出两种方法，利用多模网络理论与开放周期边界分析泄漏波天线的色散特性，通过全波求解器和解析方法结合，验证了单位元的色散关系和接收性能。

Comments 9 pages, 11 figures, submitted to IEEE TAP

3D Smoke Scene Reconstruction Guided by Vision Priors from Multimodal Large Language Models

由多模态大语言模型视觉先验引导的3D烟雾场景重建

Xinye Zheng, Fei Wang, Yiqi Nie, Kun Li, Junjie Chen, Jiaqi Zhao, Yanyan Wei, Zhiliang Wu

机构 * Hefei University of Technology（合肥工业大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； United Arab Emirates University（阿联酋大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出整合视觉先验与高效3D场景建模的框架，通过增强烟雾退化图像和开发Smoke-GS框架，提升烟雾场景重建与视图合成的鲁棒性与一致性。

Variational Visual Question Answering for Uncertainty-Aware Selective Prediction

变分视觉问答用于不确定性感知的选择性预测

Tobias Jan Wieczorek, Nathalie Daun, Mohammad Emtiyaz Khan, Marcus Rohrbach

机构 * TU Darmstadt（图宾根大学） 纠错

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

AI总结 本文提出变分VQA方法，通过变分贝叶斯方法提升视觉问答和视觉推理任务的可靠性，尤其在低误差容忍度下表现优异，且优于AdamW训练模型。

Comments TMLR April 2026 version. 13 pages main paper, 31 pages with appendix. Updated bibliography

Journal ref Transactions on Machine Learning Research (2026)

SMART: A Spectral Transfer Approach to Multi-Task Learning

SMART：一种用于多任务学习的谱转移方法

Boxin Zhao, Mladen Kolar, Jinchi Lv

机构 * University of Chicago（芝加哥大学） ； University of Southern California（南加州大学） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 SMART通过假设目标左右奇异子空间在源子空间内并稀疏对齐源奇异基，改进了多任务线性回归的转移学习，提升了小样本下的性能和鲁棒性。

Comments 53 pages, 4 figures, 1 table

Neural Simulation-based Inference with Hierarchical Priors for Detached Eclipsing Binaries

基于分层先验的神经模拟推理用于分离双星系统

Jacqueline Blaum Hough, Joshua S. Bloom

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出一种基于分层先验的神经模拟推理方法，用于分离双星系统的参数估计，结合光变曲线、宽波段辐射特性及Gaia视差，实现高效且精确的参数推断。