多模态大模型

Surfacing Variations to Calibrate Perceived Reliability of MLLM-generated Image Descriptions

表面化变异以校准MLLM生成图像描述的可信度感知

Meng Chen, Akhil Iyer, Amy Pavel

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 通过系统性地展示多个MLLM响应间的变异，帮助盲人或低视力用户无需视觉检查即可检测不可靠信息，实验表明该方法将识别不可靠声明的能力提升4.9倍。

Comments 18 pages, 6 figures

ASPIRE: Agentic /Skills Discovery for Robotics

ASPIRE: 面向机器人的智能体技能发现

Runyu Lu, Yubo Wu, Ethan Kou, Letian Fu, Wenli Xiao, Ajay Mandlekar, Yinzhen Xu, Guanya Shi, Ken Goldberg, Ang Chen, Mosharaf Chowdhury, Yuke Zhu, Linxi "Jim" Fan, Guanzhi Wang

机构 * NVIDIA（英伟达） ； UMich（密歇根大学） ； UIUC（伊利诺伊大学厄巴纳-香槟分校） ； UC Berkeley（加州大学伯克利分校） ； CMU（卡内基梅隆大学） 纠错

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

AI总结 提出ASPIRE系统，通过闭环执行、技能库积累和进化搜索，自主编写和优化机器人控制程序，在扰动、多机器人协作和长时域任务上显著超越现有方法，并实现零样本泛化与仿真到现实的技能迁移。

Comments 43 pages, 12 figures, 9 tables. Project page: https://research.nvidia.com/labs/gear/aspire/

ENSAM: an efficient foundation model for interactive segmentation of 3D medical images

ENSAM：一种高效的交互式3D医学图像分割基础模型

Elias Stenhede, Agnar Martin Bjørnstad, Arian Ranjbar

机构 * Akershus University Hospital（阿克什胡斯大学医院） 纠错

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

AI总结 ENSAM结合SegResNet编码器、提示编码器和掩码解码器，通过潜在交叉注意力、相对位置编码等技术，在有限数据和算力下实现高效3D医学图像分割，优于现有基线模型。

Visualizing Engineering Fundamentals: Design of Mixed Reality and Physical Toolkits for Effective Learning

可视化工程基础：混合现实与物理工具包的设计以促进有效学习

Mohammad Abu Nasir Rakib, Sharmin Akter, Eshwara Prasad Sridhar, Somik Biswas, Md Rassel Raihan, Mahmudur Rahman

专题命中 其他多模态 ：multimodal(abstract)

AI总结 本研究通过用户实验比较了课堂讲授、混合现实应用和物理工具包三种教学方式，发现结合可视化与动手交互的多模态体验最受学生欢迎，为工程教育工具的人本设计提供了指导。

The BiP-PRISM algorithm for fast and scalable core-loss STEM-EELS simulations

BiP-PRISM算法：快速可扩展的芯损失STEM-EELS模拟

Philipp Pelz

专题命中 其他多模态 ：multimodal(abstract)

AI总结 提出BiP-PRISM算法，通过束分割和自然邻域插值加速芯损失电子能量损失谱模拟，显著降低计算和内存需求，实现消费级GPU上的全分辨率元素映射。

Comments 21 pages, 7 figures, 7 tables; includes supplementary material

Micron-Scale Technosignatures: How a Cubic Metre of Lunar Regolith May Begin to Constrain the Number of Past Technological Civilisations in the Galaxy

微米级技术特征：一立方米月球风化层如何开始约束银河系中过去技术文明的数量

Lewis J. Pinault, Brian C. Lacki, Ian A. Crawford, Andrew P. V. Siemion

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 研究提出通过分析月球风化层中微米级人造颗粒来约束银河系技术文明数量，结合星际输运和风化层混合模型，给出无检测时的上限约0.09地球质量当量。

Comments Submitted to the International Journal of Astrobiology on 10 March 2026; currently under review. v3 further reconciles used/unused references, and provides additional and correctly matched doi insertions

Fast Score-Based Sampling via Log-Concave Reductions

基于对数凹约简的快速分数采样

M. J. Wainwright

专题命中 其他多模态 ：multi-modal(abstract)

AI总结 提出将分数扩散采样问题约简为一系列强对数凹子问题，利用任意强对数凹采样器实现高效采样，并给出采样复杂度界限。

Comments Accepted to the COLT 2026 Conference, San Diego, CA