多模态大模型
4 条- 01PSGAgent：通过智能体推理增强多模态大模型动态视觉感知以实现全景场景图生成
提出PSGAgent框架，以智能体式主动观察机制突破MLLM静态视觉瓶颈，显著提升小物体/模糊谓词关系识别精度
- 02城市中的机器人：基于人格的城市机器人感知研究
用Qwen3.8-27B和Gemma4-26B等多模态大模型评估机器人类型对街道安全感的感知影响
- 03面向模态感知的专家剪枝方法：用于MoE架构多模态大语言模型
针对InternVL3.5、Qwen3-VL等MoE-MLLM中专家参数占比超90%的问题，提出按模态动态分配重要性的剪枝策略
- 04使用EBench对前沿代理进行剖析：从直接控制到策略驱动的代理运行时
在EBench上系统评测GPT-6-Astra作为核心的机器人代理，对比其与后训练VLA/WAM策略在操纵任务中的能力边界。