多模态大模型

Blaschke-type models for multimodal circle maps

多模圆映射的Blaschke型模型

Edson de Faria, Welington de Melo, Pedro A. S. Salomão, Edson Vargas

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

AI总结 本文构造了多模圆映射的Blaschke型理性映射族，证明了满足自然动力学条件的多模圆映射与该族中的映射拓扑共轭，并证明该实现唯一性。

Comments 24 pages, 2 figures

Earth-o1: A Grid-free Observation-native Atmospheric World Model

Earth-o1：一种无网格的观测本征大气世界模型

Junchao Gong, Kaiyi Xu, Wangxu Wei, Siwei Tu, Jingyi Xu, Zili Liu, Hang Fan, Zhiwang Zhou, Tao Han, Yi Xiao, Xinyu Gu, Zhangrui Li, Wenlong Zhang, Hao Chen, Xiaokang Yang, Yaqiang Wang, Lijing Cheng, Pierre Gentine, Wanli Ouyang, Feng Zhang, Zhe-Min Tan, Bowen Zhou, Fenghua Ling, Ben Fei, Lei Bai

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Department of Information Engineering（信息工程系） ； School of Electronic Information and Electrical Engineering（电子信息与电气工程学院） ； Department of Atmospheric and Oceanic Sciences（大气与海洋科学系） ； School of Information Science and Technology（信息科学与技术学院） ； State Key Laboratory of Earth System Numerical Modeling and Application, Institute of Atmospheric Physics（地球系统数值模拟与应用国家重点实验室，大气物理研究所） ； College of Computer Science and Artificial Intelligence（计算机科学与人工智能学院） ； Department of Earth and Environmental Engineering（地球与环境工程系） ； Chinese Academy of Meteorological Sciences（中国气象科学研究院） ； School of Atmospheric Sciences（大气科学学院） 纠错

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

AI总结 Earth-o1通过直接学习无网格观测数据中的连续三维物理演变，实现对大气状态的自主时空推进，无需传统数值求解器，其预测精度可与现有物理框架相媲美。

Super-Level-Set Regression: Conditional Quantiles via Volume Minimization

超水平集回归：通过体积最小化实现条件分位数

Sacha Braun, Michael I. Jordan, Francis Bach

机构 * Sierra team, Inria Paris, France（Inria巴黎研究所） 纠错

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

AI总结 本文提出超水平集回归，通过直接优化几何边界，解决多变量回归中构造满足条件覆盖的最小体积预测区域的挑战，替代传统密度估计方法。

LARGO: Low-Rank Hypernetwork for Handling Missing Modalities

LARGO：低秩超网络用于处理缺失模态

Niels Vyncke, Pooya Ashtari, Aleksandra Pižurica

机构 * Department of Telecommunications and Information Processing（电信与信息处理系） 纠错

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

AI总结 本文提出LARGO超网络，通过CP张量分解压缩缺失模态模型，提升多模态图像分析中缺失模态的处理效果，实验显示在多个数据集上表现优异。

Unsupervised Anomaly Detection in Wearable Foot Sensor Data: A Baseline Feasibility Study Towards Diabetic Foot Ulcer Prevention

无监督的可穿戴足部传感器数据异常检测：一种面向糖尿病足溃疡预防的基线可行性研究

Md Tanvir Hasan Turja

机构 * Department of Computer Science, Middlesex University London（伦敦Middlesex大学计算机科学系） 纠错

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

AI总结 本文研究了利用无监督算法检测可穿戴足部传感器数据中的异常，通过温度和压力信号分析，建立基线模型以评估糖尿病足溃疡预防的可行性。

Comments 36 pages, 19 figures. Published in Biomedical Signal Processing and Control, Vol. 123, Part A, 110416, September 2026. https://doi.org/10.1016/j.bspc.2026.110416

Journal ref Biomedical Signal Processing and Control, Vol. 123, Part A, 110416 (2026)

Cohort-Based Active Modality Acquisition

基于队列的主动模态获取

Tillmann Rheude, Roland Eils, Benjamin Wild

机构 * Berlin Institute of Health, Charité - Universitätsmedizin Berlin（柏林健康研究所，柏林查理大学） ； Intelligent Medicine Institute, Fudan University（智能医学研究院，复旦大学） ； Department of Mathematics and Computer Science, Freie Universität Berlin（数学与计算机科学系，柏林自由大学） 纠错

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

AI总结 本文提出基于队列的主动模态获取方法，通过填补缺失模态的预期效用来指导额外模态的获取，实验证明其在资源受限环境下更有效。

Can providing feedback on gaze and mental-effort synchrony improve pair programming performance?

提供注视和心理努力同步的反馈能否提高配对编程表现？

Anahita Golrang, Kshitij Sharma

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本文研究AI支持的反馈如何通过联合视觉注意和心理努力提升协作编程表现，探讨反馈时机对学习者与AI交互的影响。