Why Does Grounding Hurt Medical VQA? Benchmarking, Diagnosis, and Fine-Tuning of Vision-Language Models
对前沿视觉-语言模型进行审计以实现可信的医学视觉问答：定位失败、格式崩溃和领域适应
Xupeng Chen, Binbin Shi, Chenqian Le, Qifu Yin, Lang Lin, Haowei Ni, Ran Gong, Panfeng Li
机构
*
New York University, New York, USA（纽约大学）
；
Tsinghua University, Beijing, China（清华大学）
；
Columbia University, New York, USA（哥伦比亚大学）
；
University of Michigan, Ann Arbor, USA（密歇根大学）
VisRAG2.0: Mitigating Visual Hallucinations via Evidence-Guided Multi-Image Reasoning in Visual Retrieval-Augmented Generation
VisRAG2.0：通过视觉检索增强生成中的证据引导多图像推理减轻视觉幻觉
Yubo Sun, Chunyi Peng, Yukun Yan, Shi Yu, Zhenghao Liu, Sen Mei, Chi Chen, Maosong Sun
机构
*
School of Software and Microelectronics, Peking University, China（北京大学软件与微电子学院）
；
School of Computer Science and Engineering, Northeastern University, China（东北大学计算机科学与工程学院）
；
Department of Computer Science and Technology, Institute for AI, Tsinghua University, China（清华大学人工智能研究院计算机科学与技术系）
ClinFusion: A Vision-Centric Multimodal LLM System for Holistic Medical Understanding
ClinFusion：用于整体医学理解的以视觉为中心的多模态大语言模型系统
Hangjie Yuan, Yichen Qian, Zhiwei Tang, Xianzhe Xu, Lirong Wu, Sicheng Yang, Jinwang Wang, Pengju Wang, Zhitao Zeng, Yizeng Han, Yan Xing, Shengxuan Luo, Tao Feng, Qing Xie, Weigen Yao, Yi Yang, Zuozhu Liu, Jiasheng Tang, Shaocheng Wang, Jitao Wang, Jiahong Dong, Weihua Chen, Feng Xu, Fan Wang
机构
*
DAMO Academy, Alibaba Group（达摩院，阿里巴巴集团）
；
Hupan Laboratory（湖畔实验室）
；
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
；
Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
；
Department of Radiology, The Affiliated Yangming Hospital of Ningbo University（宁波大学附属阳明医院放射科）
；
Zhejiang University-University of Illinois Urbana-Champaign Institute, Zhejiang University（浙江大学伊利诺伊大学厄巴纳香槟校区联合学院，浙江大学）
；
Hepato-Pancreato-Biliary Center, Beijing Tsinghua Changgung Hospital, School of Clinical Medicine, Tsinghua Medicine, Tsinghua University（清华长庚医院肝胆胰中心，清华大学临床医学院，清华医学，清华大学）
；
School of Software, Tsinghua University（清华大学软件学院）
；
Beijing National Research Center for Information Science and Technology, Tsinghua University（清华大学北京信息科学与技术国家研究中心）
专题命中
视觉问答
：visual question answering(abstract)；multimodal large language model(abstract)；MLLM(abstract)；分类 cs.CV、cs.AI
Towards Reliable Stain Transfer: An Iterative Data-Model Co-Optimization Framework Based on Multimodal Expert-Guided Assessment
迈向可靠的染色转移：基于多模态专家指导评估的迭代数据-模型协同优化框架
Siyuan Xu, Yan Wang, Haofei Song, Lili Gao, Jiansheng Wang, Qing Zhang, Dan Huang, Boxiang Yun, Hongkai Xiong, Qingli Li
机构
*
East China Normal University（华东师范大学）
；
Ruijin Hospital, Shanghai Jiao Tong University School of Medicine（上海交通大学医学院附属瑞金医院）
；
Hangzhou Hyperspectral Imaging Technology Co., Ltd.（杭州高光谱成像技术有限公司）
；
Fudan University Shanghai Cancer Center（复旦大学附属肿瘤医院）
NeuroSymActive: Differentiable Neural-Symbolic Reasoning with Active Exploration for Knowledge Graph Question Answering
NeuroSymActive：基于主动探索的可微神经符号推理用于知识图谱问答
Rong Fu, Yang Li, Zeyu Zhang, Jiekai Wu, Yaohua Liu, Shuaishuai Cao, Yangchen Zeng, Yuhang Zhang, Xiaojing Du, Simon Fong
机构
*
University of Macau（澳门大学）
；
University of Chinese Academy of Sciences（中国科学院大学）
；
The Australian National University（澳大利亚国立大学）
；
Juntendo University（静冈大学）
；
Guangdong Institute of Intelligence Science and Technology（广东智能科学与技术研究院）
；
Central South University（中南大学）
；
Southeast University（东南大学）
；
China Agricultural University（中国农业大学）
；
Adelaide University（阿德莱德大学）
