Beihang University（北京航空航天大学）

Interference-Aware K-Step Reachable Communication in Multi-Agent Reinforcement Learning

考虑干扰的多智能体强化学习中的K步可达通信

Ziyu Cheng, Jinsheng Ren, Zhouxian Jiang, Chenzhihang Li, Rongye Shi, Bin Liang, Jun Yang

机构 * School of Software, Beihang University（软件学院，北航） ； School of Artificial Intelligence, Beihang University（人工智能学院，北航） 纠错

AI总结 本文提出IA-KRC框架，通过K步可达协议和干扰预测模块提升多智能体协作效率，克服环境干扰，实现更持久高效的协作。

Comments multi-agent reinforcement learning, communication

MIBench: Evaluating LMMs on Multimodal Interaction

MIBench: 评估大多模态模型在多模态交互中的能力

Yu Miao, Zequn Yang, Yake Wei, Ziheng Chen, Haotian Ni, Haodong Duan, Kai Chen, Di Hu

机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学人工智能学院，北京，中国） ； Beijing Key Laboratory of Research on Large Models（大型模型研究关键实验室） ； Beihang University, Beijing, China（北京航空航天大学，北京，中国） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室，上海，中国） 纠错

AI总结 MIBench通过多模态交互三元组评估大模型在多模态任务中的能力，发现模型在多模态交互上存在局限性，易受文本干扰，且在基础协同能力上表现不足。

Comments 10 pages

All-weather Multi-Modality Image Fusion: Unified Framework and 100k Benchmark

全天候多模态图像融合：统一框架与10万基准

Xilai Li, Wuyang Liu, Xiaosong Li, Fuqiang Zhou, Huafeng Li, Feiping Nie

机构 * Guangdong-HongKong-Macao Joint Laboratory for Intelligent MicroNano Optoelectronic Technology（粤港澳联合智能微纳光电子技术实验室） ； School of Physics and Optoelectronic Engineering, Foshan University（佛山大学物理与光电工程学院） ； Guangdong Provincial Key Laboratory of Industrial Intelligent Inspection Technology（广东省工业智能检测技术重点实验室） ； School of Instrumentation and Optoelectronic Engineering, Beihang University（北京航空航天大学仪器与光电工程学院） ； School of Information Engineering and Automation, Kunming University of Science and Technology（昆明理工大学信息工程与自动化学院） ； School of Artificial Intelligence, Optics and Electronics (i0PEN), School of Computer Science, Northwestern Polytechnical University（人工智能、光学与电子学院（i0PEN），西北工业大学计算机学院） 纠错

AI总结 本文提出统一的全天候多模态图像融合框架，通过联合特征融合与恢复提升关键场景信息表征，构建10万张图像对的多模态数据集，实验证明在真实和合成场景中图像融合及下游任务表现优异。