多模态大模型

Agentic Learner with Grow-and-Refine Multimodal Semantic Memory

具有生长与细化多模态语义记忆的智能学习者

Weihao Bo, Shan Zhang, Yanpeng Sun, Jingjing Wu, Qunyi Xie, Xiao Tan, Kunbin Chen, Wei He, Xiaofan Li, Na Zhao, Jingdong Wang, Zechao Li

机构 * Nanjing University of Science and Technology（南京理工大学） ； Baidu Inc（百度公司） ； AIML, Adelaide University（AIML，阿德莱德大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 本文提出ViLoMem框架，通过双流记忆系统整合视觉与逻辑知识，提升多模态任务表现，减少重复错误。

Modular Markov chain Monte Carlo with application to multimodal sampling

模块化马尔可夫链蒙特卡洛方法及其在多模采样中的应用

Joonha Park

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

AI总结 本文提出模块化MCMC方法，通过并行构建约束于目标空间子集的马尔可夫链，结合加权估计以减少方差，应用于多模分布的采样，提升温控方法的效率。

Explainable AI for Blind and Low-Vision Users: Navigating Trust, Modality, and Interpretability in the Agentic Era

可解释AI用于盲人和低视力用户：在智能体时代导航信任、模态和可解释性

Abu Noman Md Sakib, Protik Dey, Zijie Zhang, Taslima Akter

机构 * University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

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

AI总结 本文探讨了盲人和低视力用户在智能体时代对可解释AI的独特需求，指出需多模态界面和责任意识设计以提升可解释性与信任度。

Comments Proceedings of the CHI 2026 Workshop on Human-Centered Explainable AI (HCXAI), April 13-17, 2026, Barcelona, Spain

Journal ref Proceedings of the CHI 2026 Workshop on Human-Centered Explainable AI (HCXAI)

High-Speed, Scalable Sensor Readout for Dexterous Robotic Hands via Shift-Register Multiplexing

通过移位寄存器多路复用实现高吞吐量的可扩展传感器读取用于灵巧机械手

Jaehoon Kim, Lazaros Christoforidis, Michalis Papadakis, Victor Kartsch, Robert K. Katzschmann

机构 * Soft Robotics Lab, IRIS, D-MAVT, ETH Zurich（软机器人实验室，IRIS，D-MAVT，苏黎世联邦理工学院） ； Integrated Systems Laboratory, ETH Zurich（集成系统实验室，苏黎世联邦理工学院） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文提出一种基于串入并出移位寄存器原理的可扩展模拟传感器读取架构，支持异构模拟输出传感器的集成与扩展，实现高吞吐量的传感器数据采集，验证了其在机械手上的应用效果。