机构
*
National Engineering Research Center of Visual Technology, National Key Laboratory for Multimedia Information Processing, School of Computer Science, Peking University（视觉技术国家工程研究中心、多媒体信息处理国家重点实验室、计算机学院、北京大学）
；
Meituan Inc.（美团公司）
；
National Biomedical Imaging Center, Peking University（生物医学成像国家中心、北京大学）
专题命中
视觉推理
：MLLM(title,title_cn)；multimodal large language model(abstract)；分类 cs.CV
Does RLVR Extend Reasoning Boundaries? Investigating Capability Expansion in Vision-Language Models
RLVR能否扩展推理边界？探究视觉-语言模型中的能力扩展
Minghe Shen, Zhuo Zhi, Chonghan Liu, Shuo Xing, Zhengzhong Tu, Che Liu
机构
*
University College London（伦敦大学学院）
；
Samsung R&D Institute UK（三星英国研发院）
；
University of California, Los Angeles（加州大学洛杉矶分校）
；
Texas A&M University（德克萨斯农工大学）
；
Imperial College London（伦敦帝国学院）
机构
*
School of Data Science and Engineering, East China Normal University, Shanghai 200062, China（数据科学与工程学院，华东师范大学，上海200062，中国）
；
Medical Artificial Intelligence Laboratory, Westlake University, Hangzhou 310024, China（医学人工智能实验室，西湖大学，杭州310024，中国）
专题命中
视觉推理
：MLLM(abstract,abstract_cn)；multimodal large language model(abstract)；分类 cs.CV
CamReasoner: Reinforcing Camera Movement Understanding via Structured Spatial Reasoning
CamReasoner：通过结构化空间推理强化相机运动理解
Hang Wu, Yujun Cai, Zehao Li, Haonan Ge, Bowen Sun, Junsong Yuan, Yiwei Wang
机构
*
University of California, Merced（加州大学梅尔德分校）
；
University of Queensland（昆士兰大学）
；
Ant Group（蚂蚁集团）
；
University of Chinese Academy of Sciences（中国科学院大学）
；
University at Buffalo, State University of New York（纽约州立大学布法罗分校）
CommentsWe evaluate whether VLMs can comprehend multi-scale visual stock price data like human analysts with a proposed benchmark, identifying current VLMs' weak predictive power, significant biases, and limited sensitivity to forecast horizons and prompts
