多模态大模型

TVI-CoT: Text-Visual Interleaved Chain-of-Thought Reasoning for Multimodal Understanding

TVI-CoT: 面向多模态理解的文本-视觉交错思维链推理

Lianyu Hu, Xiaoyu Ma, Zeqin Liao, Yang Liu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出TVI-CoT框架，通过可学习控制令牌实现文本推理与视觉特征访问的动态交错，解决多模态LLM在推理过程中无法访问视觉特征的问题，在多个基准上取得最优结果。

Comments ICML2026

PRISM: Topology-Aware Cross-Modal Imputation for Modality-Deficient Federated Graph Learning

PRISM: 面向模态缺失联邦图学习的拓扑感知跨模态插补

Zekai Chen, Miao Zhang, Jiayang Xing, Xunkai Li, Xun Wu, Rong-Hua Li, Guoren Wang

机构 * Beijing Institute of Technology（北京理工大学） 纠错

专题命中 其他多模态 ：cross-modal(title,abstract)；multimodal(abstract)

AI总结 针对联邦图学习中客户端级模态缺失问题，提出拓扑感知跨模态插补框架PRISM，通过联邦检索缺失模态语义并利用拓扑控制注入局部图传播，在六个多模态图数据集上平均提升4.48%。

Improving Multimodal Reasoning via Worst Dimension Optimization

通过最差维度优化改进多模态推理

Haocheng Lv, Huaping Zhang, Qiuchi Li, Lei Li, Chunxiao Gao

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 提出最差维度优化方法，通过识别并优先优化推理路径中最差的约束维度，提升多模态推理的整体有效性。

Multimodal Large Language Models for Real-Time Situated Reasoning

多模态大语言模型用于实时情境推理

Giulio Antonio Abbo, Senne Lenaerts, Tony Belpaeme

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 本文探讨多模态大语言模型如何支持实时情境和价值感知决策，结合GPT-4o与模拟智能扫地机器人平台，展示其在家庭活动、社会规范和用户偏好推理中的能力，以及在清洁、舒适和安全等价值上的细致决策。

Comments Submitted to the interactivity track of the 21st ACM/IEEE International Conference on Human-Robot Interaction on December 2025, accepted January 2026

Journal ref HRI Companion 2026: Companion Proceedings of the 21st ACM/IEEE International Conference on Human-Robot Interaction

Efficient Scaling of LLM Training with Flexible Context Parallelism

利用灵活上下文并行实现LLM训练的高效扩展

Yifan Niu, Han Xiao, Dongyi Liu, Wei Zhou, Jia Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 其他多模态 ：MLLM(abstract,abstract_cn)

AI总结 针对数据异构导致负载不均和通信冗余问题，提出自适应重配置通信组和上下文并行度的FCP策略，实现近线性加速比，最高达1.46倍吞吐提升。

FMplex: Model Virtualization for Serving Extensible Foundation Models

FMplex: 用于服务可扩展基础模型的模型虚拟化

Hetvi Shastri, Pragya Sharma, Walid A. Hanafy, David Irwin, Mani Srivastava, Prashant Shenoy

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 提出FMplex系统，通过将基础模型作为虚拟化层实现多任务共享，结合批感知公平队列调度器，在7个基础模型和92个下游任务上降低延迟达80%，提升任务容量6倍。

GraspFoM: Towards Reconstruction-Driven Robotic Grasping with 3D Foundation Priors

GraspFoM：基于3D基础先验的重建驱动机器人抓取

Dongli Wu, Xiaobao Wei, Hao Wang, Qiaochu Dong, Ying Li, Qingpo Wuwu, Ming Lu, Wufan Zhao

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Peking University（北京大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出GraspFoM框架，利用3D基础先验（SAM3D）构建共享3D物体潜变量，联合优化重建与抓取姿态预测，通过锚点初始化的截断姿态推理扩散器生成连续多模态抓取，实现高保真重建与最优抓取。

How Deep Are Deep GPs, Really? A Sharp Threshold and a Non-Gaussian Limit for Compositional GPs

深度高斯过程到底有多深？组合高斯过程的尖锐阈值与非高斯极限

Mark Kozdoba, Shie Mannor

机构 * Technion, IIT（以色列理工学院） ； NVIDIA（英伟达） 纠错

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

AI总结 本文研究了深度高斯过程先验在深度增长时的极限行为，识别出RBF核带宽的尖锐阈值，低于该阈值时先验收敛到非退化非高斯分布，具有非零坐标依赖。

What neurosurgeons need to see: synthetic intra-operative MRI from ultrasound for brain-shift compensation in brain tumour surgery

神经外科医生需要看到的：用于脑肿瘤手术中脑移位补偿的超声合成术中MRI

Santiago Cepeda, Olga Esteban-Sinovas, Ignacio Arrese, Rosario Sarabia

机构 * Department of Neurosurgery, Neurovascular Unit, Río Hortega University Hospital, Valladolid, Spain（西班牙巴利亚多利德里奥·奥尔特加大学医院神经外科神经血管科） ； Specialized Group in Biomedical Imaging and Computational Analysis (GEIBAC), Instituto de Investigación Biosanitaria de Valladolid (IBioVALL), Valladolid, Spain（西班牙巴利亚多利德生物医学研究与计算分析专业组(GEIBAC)，巴利亚多利德生物健康研究所(IBioVALL)） 纠错

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

AI总结 提出一种端到端流水线，通过融合术前MRI、术中超声生成的合成MRI及锚定该合成图像的可变形配准，生成术前成像空间中的全脑MRI体积，以补偿脑移位，为神经导航提供类似MRI的术中视野更新。

Imagination Helps Visual Reasoning, But Not Yet in Latent Space

想象力有助于视觉推理，但尚未在潜在空间中实现

You Li, Chi Chen, Yanghao Li, Fanhu Zeng, Kaiyu Huang, Jinan Xu, Maosong Sun

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 通过因果中介分析发现，多模态大语言模型中的潜在推理存在输入-潜在和潜在-答案两个关键断连，表明其有效性有限，并提出显式想象方法CapImagine，在视觉推理任务中表现更优。

Comments ICML 2026 Poster

Analysis of Multi-Tone, Multi-Conductor, Spatially Discrete Traveling-Wave Modulated Loop Networks

多音、多导体、空间离散行波调制环路网络分析

Amirhossein Babaee, Zachary Fritts, Steve M. Young, Anthony Grbic

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 提出基于Interpath Relation的半解析框架，通过单胞分析周期性多音、多导体环路网络，高效计算空间格林函数，用于优化多功能非互易电磁系统。

Linear Stability Analysis of convective flows in Rotating Baroclinic Annulus with Localized Peripheral Heating: A Floquet-BiGlobal Approach

旋转斜压环流中局部周边加热的对流流动的线性稳定性分析：一种Floquet-BiGlobal方法

Jaya Nandan, Ayan Kumar Banerjee

专题命中 其他多模态 ：cross-modal(abstract)

AI总结 本文采用Floquet-Bloch理论与BiGlobal特征值方法，分析了局部加热下旋转流体环的非轴对称基态线性稳定性，揭示了交叉模态斜压能量释放和剪切产生的不稳定机制。

Comments The article has been submitted to Proceedings of the Innovations in Engineering for Sustainable Transformations (InnoVEST) 2026 and is Under Review

Optimizing Server Placement for Vertical Federated Learning in Dynamic Edge/Fog Networks

优化动态边缘/雾网络中垂直联邦学习的服务器部署

Su Wang, Mung Chiang, H. Vincent Poor

机构 * Department of Electrical and Computer Engineering, Purdue University（普洛威斯顿大学电子工程与计算机科学系） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 本文研究动态边缘/雾网络中垂直联邦学习的控制与优化，提出SC-DN方法，通过联合优化服务器部署、传输功率、处理器频率和本地训练迭代数，提升模型性能与资源利用率。

Comments Under revision at IEEE/ACM transactions on networking

Programmable Deformation Design of Porous Soft Actuator through Volumetric-Pattern-Induced Anisotropy

通过体积图案诱导各向异性的多孔软体执行器可编程变形设计

Canqi Meng, Weibang Bai

机构 * ShanghaiTech Automation and Robotics (STAR) Center, School of Information Science and Technology, ShanghaiTech University（上海科技大学自动化与机器人（STAR）中心，信息科学与技术学院，上海科技大学） 纠错

专题命中 其他多模态 ：multimodal(abstract)

AI总结 提出一种在多孔泡沫中切割图案实现软体执行器可编程变形的方法，通过有限元分析研究机制，实验展示弯曲、倾斜、扭转等变形，并应用于仿生软体手。

Comments Accepted to 2026 IEEE International Conference on Robotics and Automation (ICRA 2026)

BlendServe: Optimizing Offline Inference for Auto-regressive Large Models with Resource-aware Batching

BlendServe: 利用资源感知批处理优化自回归大模型的离线推理

Yilong Zhao, Shuo Yang, Kan Zhu, Lianmin Zheng, Baris Kasikci, Yang Zhou, Jiarong Xing, Ion Stoica

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of California, Davis（加州大学戴维斯分校） ； Rice University（里士满大学） 纠错

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 针对离线批处理中资源重叠与前缀共享的冲突，提出资源感知前缀树来最大化资源利用率，相比vLLM和SGLang吞吐量提升1.44倍。