多模态大模型

ToxiTwitch: Toward Emote-Aware Hybrid Moderation for Live Streaming Platforms

ToxiTwitch：迈向面向表情的混合审核方法

Baktash Ansari, Elias Martin, Afra Mashhadi

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 ToxiTwitch通过结合LLM生成的文本和表情嵌入与传统机器学习分类器，提高Twitch直播平台对有毒行为的检测准确率。

Comments Exploratory study; prior versions submitted to peer review

Constrained Dynamic Gaussian Splatting

受限动态高斯点撒技术

Zihan Zheng, Zhenglong Wu, Xuanxuan Wang, Houqiang Zhong, Xiaoyun Zhang, Qiang Hu, Guangtao Zhai, Wenjun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 CDGS通过引入可微预算控制器和自适应分配机制，在约束条件下实现高效动态场景重建，提升率-失真性能并实现3倍压缩。

When Routing Collapses: On the Degenerate Convergence of LLM Routers

当路由崩溃：关于LLM路由的退化收敛

Guannan Lai, Han-Jia Ye

机构 * School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） 纠错

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

AI总结 本文提出EquiRouter，一种决策意识的路由器，通过直接学习模型排名来缓解LLM路由中的路由崩溃问题，有效降低计算和货币成本。

Rethinking Efficient Mixture-of-Experts for Remote Sensing Modality-Missing Classification

重新思考用于遥感模态缺失分类的高效专家混合模型

Qinghao Gao, Jiahui Qu, Wenqian Dong

机构 * State Key Laboratory of Integrated Service Network, Xidian University, Xi'an 710071, China（集成服务网络国家重点实验室，西安电子科技大学，西安710071，中国） 纠错

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

AI总结 本文提出MaMOL模型，通过双路由机制解决遥感模态缺失问题，提升分类鲁棒性和泛化能力。

Comments 11 pages, 5 figures

Exploring Content and Social Connections of Fake News with Explainable Text and Graph Learning

探索虚假新闻的内容与社会联系：可解释文本与图学习

Vítor N. Lourenço, Aline Paes, Tillman Weyde

机构 * Universidade Federal Fluminense, Niter\' o i, Rio de Janeiro, Brazil , City St George's, University of London, United Kingdom 纠错

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

AI总结 本文提出结合内容、社交媒体和图学习的可解释框架，通过多模态信息提升事实核查性能，并评估其解释性、可信度和鲁棒性。

Comments Accepted to publication at the 35th Brazilian Conference on Intelligent Systems, BRACIS 2025. -- This submitted manuscript has not undergone any post-submission improvements or corrections. The Version of Record of this contribution will be provided when available

ReGuLaR: Variational Latent Reasoning Guided by Rendered Chain-of-Thought

ReGuLaR: 基于渲染思维链的变分潜在推理

Fanmeng Wang, Haotian Liu, Guojiang Zhao, Hongteng Xu, Zhifeng Gao

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学 Gallagher人工智能学院） ； Beijing Key Laboratory of Research on Large Models（北京大型模型研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索工程研究中心） 纠错

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

AI总结 ReGuLaR通过渲染思维链图像并利用视觉-语义表示正则化后验分布，实现高效的潜在推理，优于现有方法并在多模态推理中超越CoT。

Towards Computational Chinese Paleography

迈向计算中文古文字学

Yiran Rex Ma

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

AI总结 本文探讨了人工智能如何推动中文古文字学从孤立视觉任务向集成数字生态系统发展，强调多模态、少样本和以人为本的系统设计以解决数据稀缺和人文研究需求的挑战。

Comments A position paper in progress with Peking University & ByteDance Digital Humanities Open Lab

4D-CAAL: 4D Radar-Camera Calibration and Auto-Labeling for Autonomous Driving

4D-CAAL：面向自动驾驶的4D雷达-相机校准与自动标注

Shanliang Yao, Zhuoxiao Li, Runwei Guan, Kebin Cao, Meng Xia, Fuping Hu, Sen Xu, Yong Yue, Xiaohui Zhu, Weiping Ding, Ryan Wen Liu

机构 * School of Information Engineering, Yancheng Institute of Technology（信息工程学院，盐城职业技术学院） ； School of Navigation, Wuhan University of Technology（导航学院，武汉理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； School of Information Engineering, Yancheng Institute Technology（信息工程学院，盐城职业技术学院） ； School of Advanced Technology, Xi’an Jiaotong-Liverpool University（先进技术学院，西安交通大学利物浦大学） ； School of Information Science and Technology, Nantong University（信息科学与技术学院，南通大学） ； State Key Laboratory of Maritime Technology and Safety（船舶技术与安全国家重点实验室） 纠错

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

AI总结 4D-CAAL提出了一种统一框架，通过双用途校准目标和自动标注流程，实现4D雷达与相机的高精度校准，减少人工标注工作量，加速自动驾驶多模态感知系统开发。

Heterogeneous Vertiport Selection Optimization for On-Demand Air Taxi Services: A Deep Reinforcement Learning Approach

异构垂直起降点选择优化用于按需空中出租车服务：一种深度强化学习方法

Aoyu Pang, Maonan Wang, Zifan Sha, Wenwei Yue, Changle Li, Chung Shue Chen, Man-On Pun

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Shanghai AI Laboratory（上海人工智能实验室） ； State Key Laboratory of Integrated Services Networks, Xidian University（西安电子科技大学集成服务网络国家重点实验室） ； Nokia Bell Labs（诺基亚贝尔实验室） 纠错

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

AI总结 本文提出一种基于深度强化学习的框架，用于优化空中出租车服务中的垂直起降点选择，提升城市多模式交通系统的效率和整合性。

QA-ReID: Quality-Aware Query-Adaptive Convolution Leveraging Fused Global and Structural Cues for Clothes-Changing ReID

QA-ReID: 基于融合全局和结构线索的高质量查询自适应卷积用于衣物变换ReID

Yuxiang Wang, Kunming Jiang, Tianxiang Zhang, Ke Tian, Gaozhe Jiang

机构 * School of Business, Stevens Institute of Technology（斯蒂文斯理工学院商学院） ； Electrical and Computer Engineering, University of California, San Diego（加州大学圣地亚哥分校电子与计算机工程系） ； Tandon School of Engineering, New York University（纽约大学塔恩工学院） ； Institute of Operations Research and Analytics, National University of Singapore（新加坡国立大学运筹与分析研究所） 纠错

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

AI总结 QA-ReID通过融合全局和结构线索的高质量查询自适应卷积，提升衣物变换ReID的鲁棒性和性能

Creating a Causally Grounded Rating Method for Assessing the Robustness of AI Models for Time-Series Forecasting

为评估时间序列预测中AI模型的鲁棒性构建一个因果基础的评分方法

Kausik Lakkaraju, Rachneet Kaur, Parisa Zehtabi, Sunandita Patra, Zhen Zeng, Siva Likitha Valluru, Biplav Srivastava, Marco Valtorta

机构 * University of South Carolina（南卡罗来纳大学） ； J.P. Morgan AI Research（摩根大通AI研究） 纠错

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

AI总结 本文提出一种因果基础的评分方法，用于评估时间序列预测中AI模型的鲁棒性，通过分析不同扰动和数据分布下的表现，验证了多模态和专门模型在鲁棒性和准确性上的优势。

Comments arXiv admin note: text overlap with arXiv:2406.12908

HomoFM: Deep Homography Estimation with Flow Matching

HomoFM：基于流匹配的深度视角估计

Mengfan He, Liangzheng Sun, Chunyu Li, Ziyang Meng

机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； School of Instrument Science and Opto-Electronics Engineering, Beijing Information Science and Technology University（北京信息科技大学仪器科学与光电工程学院） ； School of Aerospace Engineering, Beijing Institute of Technology（北京理工大学航空航天工程学院） 纠错

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

AI总结 HomoFM通过引入流匹配技术，首次将生成建模中的速度场学习应用于视角估计，提升估计精度与鲁棒性。

Visual Attention Reasoning via Hierarchical Search and Self-Verification

通过分层搜索与自验证的视觉注意力推理

Wei Cai, Jian Zhao, Yuchen Yuan, Tianle Zhang, Ming Zhu, Haichuan Tang, Xuelong Li

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

AI总结 本文提出通过分层搜索与自验证的视觉注意力推理框架，有效提升多模态大语言模型的视觉定位和推理能力，显著降低幻觉发生率。

Comments The paper is withdrawn by the authors after discovering a flaw in the theoretical derivation presented in the Method section. This incorrect step leads to conclusions that are not supported by the corrected derivation. The authors plan to reconstruct the argument and will release an updated version once the issue is fully resolved

A Comprehensive Survey of Mixture-of-Experts: Algorithms, Theory, and Applications

混合专家的全面综述：算法、理论与应用

Siyuan Mu, Sen Lin

机构 * University of Houston（德克萨斯大学休斯敦分校） ； Department of Computer Science, University of Houston（德克萨斯大学休斯敦分校计算机科学系） 纠错

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

AI总结 本文综述了混合专家模型在算法、理论和应用方面的最新进展，探讨了其在持续学习、元学习等机器学习范式中的设计，并总结了其在计算机视觉和自然语言处理中的应用。

Comments 29 pages, 3 figures

VTarbel: Targeted Label Attack with Minimal Knowledge on Detector-enhanced Vertical Federated Learning

VTarbel：基于最小知识的目标标签攻击与增强垂直联邦学习

Juntao Tan, Anran Li, Quanchao Liu, Peng Ran, Lan Zhang

机构 * University of Science and Technology of China（科学技术大学） ； Department of Security Technology Research, China Mobile Research Institute（安全技术研究所） 纠错

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

AI总结 VTarbel是一种针对增强垂直联邦学习的最小知识目标标签攻击框架，通过两阶段方法规避检测并有效诱导误分类。

Comments Accepted by ACM Transactions on Sensor Networks (TOSN)

An AI-IoT Based Smart Wheelchair with Gesture-Controlled Mobility, Deep Learning-Based Obstacle Detection, Multi-Sensor Health Monitoring, and Emergency Alert System

基于AI-IoT的智能轮椅：具有手势控制移动、深度学习障碍检测、多传感器健康监测和紧急警报系统

Md. Asiful Islam, Abdul Hasib, Tousif Mahmud Emon, Khandaker Tabin Hasan, A. S. M. Ahsanul Sarkar Akib

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Military Institute of Science and Technology（军事科学与技术学院） ； University of Frontier Technology（前沿技术大学） ； American International University-Bangladesh（美国国际大学-孟加拉国） ； Robo Tech Valley（机器人技术谷） 纠错

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

AI总结 本文提出了一种基于AI-IoT的智能轮椅系统，结合手势控制、深度学习障碍检测、多传感器健康监测和紧急警报，实现安全导航与健康监测的集成解决方案。

LLM Performance Predictors: Learning When to Escalate in Hybrid Human-AI Moderation Systems

LLM性能预测器：在混合人机审核系统中学习何时升级

Or Bachar, Or Levi, Sardhendu Mishra, Adi Levi, Manpreet Singh Minhas, Justin Miller, Omer Ben-Porat, Eilon Sheetrit, Jonathan Morra

机构 * Reichman University（雷赫曼大学） 纠错

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

AI总结 本文提出了一种基于LLM性能预测器的框架，用于在混合人机审核系统中学习何时升级，通过提升准确性与成本权衡实现更高效的内容审核。

Comments Accepted as a full paper at the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Thinking with Deltas: Incentivizing Reinforcement Learning via Differential Visual Reasoning Policy

通过delta思考：通过微分视觉推理策略激励强化学习

Shujian Gao, Yuan Wang, Jiangtao Yan, Zuxuan Wu, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 通过微分视觉推理策略增强强化学习的视觉理解能力，提升多模态任务性能。

Comments 24 pages, 10 tables, 4 figures

Rethinking the Text-Vision Reasoning Imbalance in MLLMs through the Lens of Training Recipes

通过训练食谱的视角重新思考MLLMs中的文本-视觉推理不平衡

Guanyu Yao, Qiucheng Wu, Yang Zhang, Zhaowen Wang, Handong Zhao, Shiyu Chang

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 本文通过分析训练食谱，提出减少多模态大语言模型中文本与视觉推理不平衡的方法，旨在提升视觉推理能力。

DGA-Net: Enhancing SAM with Depth Prompting and Graph-Anchor Guidance for Camouflaged Object Detection

DGA-Net：通过深度提示和图锚引导增强SAM用于伪装物检测

Yuetong Li, Qing Zhang, Yilin Zhao, Gongyang Li, Zeming Liu

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

AI总结 DGA-Net通过深度提示和图锚引导增强SAM，提升伪装物检测的精度和一致性。

CORE: Code-based Inverse Self-Training Framework with Graph Expansion for Virtual Agents

CORE: 基于代码的逆向自训练框架与图扩展用于虚拟代理

Keyu Wang, Bingchen Miao, Wendong Bu, Yu Wu, Juncheng Li, Shengyu Zhang, Wenqiao Zhang, Siliang Tang, Jun Xiao, Yueting Zhuang

机构 * Zhejiang University（浙江大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 CORE提出一种基于代码的逆向自训练框架，通过语义代码抽象和策略图扩展，提升虚拟代理的行为多样性和泛化能力。

Comments 19 pages, 12 figures

BARE: Towards Bias-Aware and Reasoning-Enhanced One-Tower Visual Grounding

BARE：面向偏见意识和推理增强的单塔视觉定位

Hongbing Li, Linhui Xiao, Zihan Zhao, Qi Shen, Yixiang Huang, Bo Xiao, Zhanyu Ma

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Pengcheng Laboratory（鹏城实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 BARE通过引入三个新模块，提升单塔视觉定位任务中对偏见的意识和推理能力，实现更高效和准确的多模态理解。

How Robot Dogs See the Unseeable: Improving Visual Interpretability via Peering for Exploratory Robots

机器人如何看见不可见之物：通过窥视提升探索机器人视觉可解释性

Oliver Bimber, Karl Dietrich von Ellenrieder, Michael Haller, Rakesh John Amala Arokia Nathan, Gianni Lunardi, Mohamed Youssef, Marco Camurri, Santos Miguel Orozco Soto, Jeremy E. Niven

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

AI总结 通过模仿昆虫的窥视动作，提升探索机器人在部分遮挡下的视觉推理能力，实现高分辨率、实时感知，适用于复杂环境导航与场景理解。

Application Research of a Deep Learning Model Integrating CycleGAN and YOLO in PCB Infrared Defect Detection

深度学习模型整合CycleGAN和YOLO在PCB红外缺陷检测中的应用研究

Chao Yang, Haoyuan Zheng, Yue Ma

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

AI总结 本文提出整合CycleGAN和YOLOv8的深度学习模型，通过生成伪红外样本提升PCB缺陷检测在低数据条件下的性能。

Comments 8 pages,8 figures

TESO Tabu Enhanced Simulation Optimization for Noisy Black Box Problems

噪声黑盒问题的TESO禁忌增强仿真优化

Bulent Soykan, Sean Mondesire, Ghaith Rabadi

机构 * Institute for Simulation and Training（模拟与培训研究所） ； University of Central Florida（中央佛罗里达大学） ； School of Modeling, Simulation, and Training（建模、模拟与培训学院） 纠错

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

AI总结 TESO通过结合禁忌列表和精英记忆，提升噪声黑盒问题的仿真优化效率与稳定性。

Comments 11 pages, 2 figures, Presented at the Winter Simulation Conference 2025, Seattle, Washington (December 2025)

Automated river gauge plate reading using a hybrid object detection and generative AI framework in the Limpopo River Basin

利用混合目标检测和生成式AI框架实现利比里河盆地的自动水位计读数

Kayathri Vigneswaran, Hugo Retief, Jai Clifford Holmes, Mariangel Garcia Andarcia, Hansaka Tennakoon

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

AI总结 本研究提出结合目标检测和生成式AI的混合框架，用于自动读取河流水位计，提升水文监测的精度和效率。

Comments 11 pages, 14 figures, 4 tables

Decoding Predictive Inference in Visual Language Processing via Spatiotemporal Neural Coherence

通过时空神经一致性解码视觉语言处理中的预测推断

Sean C. Borneman, Julia Krebs, Ronnie B. Wilbur, Evie A. Malaia

机构 * Department of Physics（物理系） ； Carnegie-Mellon University（卡内基梅隆大学） ； Department of Linguistics（语言学系） ； University of Salzburg（萨尔茨堡大学） ； Purdue University（普渡大学） ； University of Alabama（阿拉巴马大学） ； Department of Communicative Disorders（沟通障碍系） 纠错

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

AI总结 本研究通过时空神经一致性方法解码聋人手语使用者在动态视觉语言处理中的预测推断，揭示了语言理解中左侧半球和前额低频相干性的重要性，并展示了经验驱动的感知生成模型的多模态探测方法。

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025) Workshop: Foundation Models for the Brain and Body

Mixture of Experts in Large Language Models

大语言模型中的专家混合架构

Danyang Zhang, Junhao Song, Ziqian Bi, Xinyuan Song, Yingfang Yuan, Tianyang Wang, Joe Yeong, Junfeng Hao

机构 * Department of Research（研究部） ； ByteDance Inc（字节跳动公司） ； Department of CS（计算机科学系） ； Imperial College London（伦敦帝国理工学院） ； Purdue University（普渡大学） ； Emory University（埃默里大学） ； Department of Computer Science（计算机科学系） ； Heriot-Watt University（赫罗特-瓦特大学） ； AI Agent Lab（AI代理实验室） ； Vokram Group（Vokram集团） ； Department of Anatomical Pathology（解剖病理学系） ； Singapore General Hospital（新加坡中央医院） 纠错

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

AI总结 本文研究了大语言模型中专家混合架构的性能提升与应用挑战，分析了其核心机制与优化方法，探讨了MoE在任务特定性能和模型扩展方面的优势。

Bidirectional predictive coding

双向预测编码

Gaspard Oliviers, Mufeng Tang, Rafal Bogacz

机构 * MRC Brain Network Dynamics Unit, University of Oxford, UK（英国牛津大学MRC脑网络动力学单位） 纠错

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

AI总结 本文提出双向预测编码模型，结合生成与判别推理，通过能量景观优化，在生成和判别任务中表现优异，适用于多模态学习与信息缺失推理。

Autonomous Source Knowledge Selection in Multi-Domain Adaptation

多领域适应中的自主源知识选择

Keqiuyin Li, Jie Lu, Hua Zuo, Guangquan Zhang

机构 * Australian Artificial Intelligence Institute（澳大利亚人工智能研究所） ； University of Technology Sydney（悉尼技术大学） 纠错

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

AI总结 本文提出AutoS方法，通过自主选择源知识提升多领域适应性能，减少冗余信息影响，提高迁移学习效果。