Suche nach Multimodal Large Language Models

Federated Learning eröffnet neue Wege für multimodale Sprachmodelle

Die rasante Entwicklung multimodaler großer Sprachmodelle (MLLMs) wird durch die Knappheit hochwertiger öffentlicher Daten gehemmt, während…

arXiv – cs.LG 31.03.2026 04:00

Forschung

MLLMs erkennen Symbole nicht: Kognitive Diskrepanz bei multimodalen Sprachmodellen

Multimodale Large Language Models (MLLMs) haben in der Bild‑ und Textinterpretation enorme Fortschritte erzielt, doch ihre Fähigkeit, diskr…

arXiv – cs.AI 20.03.2026 04:00

Forschung

K-Gen: Sprachmodell für interpretierbare Trajektorien in autonomen Fahrsimulation

In der autonomen Fahrsimulation steht die Erzeugung realistischer und vielfältiger Fahrtrajektorien im Fokus. K-Gen, ein multimodales Sprac…

arXiv – cs.AI 06.03.2026 05:00

Forschung

EMO‑R3: Reflexives RL für emotionale Logik in multimodalen Modellen

**Use the `DIR` command with the `/S` switch** The simplest way to get a list of *every* file in a directory tree from a batch file is to l…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Neues Tool UMPIRE verbessert Unsicherheitsmessung bei multimodalen Sprachmodellen

Multimodale Large Language Models (MLLMs) können zwar beeindruckende Ergebnisse liefern, aber sie erzeugen oft plausible, aber fehlerhafte…

arXiv – cs.AI 02.03.2026 05:00

Forschung

Kausales Decoding reduziert Halluzinationen bei multimodalen Sprachmodellen

Multimodale große Sprachmodelle (MLLMs) liefern beeindruckende Beschreibungen von Bild‑Text‑Aufgaben, doch sie neigen häufig dazu, Objekte…

arXiv – cs.LG 26.02.2026 05:00

Forschung

PRISM-XR: Datenschutzfreundliche XR‑Kollaboration mit multimodalen LLMs

In einer wegweisenden Entwicklung für die erweiterte Realität (XR) präsentiert PRISM‑XR ein innovatives Framework, das die Zusammenarbeit v…

arXiv – cs.AI 12.02.2026 05:00

Forschung

Effiziente Tabellenabfrage und -verständnis mit multimodalen Sprachmodellen Tabellen, die als Bilder vorliegen – etwa in Finanzberichten, handschriftlichen Aufzeichnungen oder gescannten Dokumenten – stellen besondere Herausforderungen für die maschinelle Analyse dar. Sie vereinen strukturelle und visuelle Komplexität, die bislang nur schwer zu bewältigen ist. Moderne multimodale Large Language Models (MLLMs) haben zwar vielversprechende Fortschritte im Tabellenverständnis erzielt, gehen je

arXiv – cs.AI 10.02.2026 05:00

Forschung

MAD: Modality-Adaptive Decoding reduziert Halluzinationen in multimodalen LLMs

Multimodale Large Language Models (MLLMs) leiden häufig unter sogenannten Cross‑Modal‑Halluzinationen, bei denen eine Modalität unpassend E…

arXiv – cs.AI 30.01.2026 05:00

Forschung

BiTAgent: Aufgabenorientierter Rahmen für bidirektionale LLM-Weltmodell-Kopplung

BiTAgent ist ein neu entwickeltes Framework, das multimodale große Sprachmodelle (MLLMs) und Weltmodelle (WMs) miteinander verbindet, um ge…

arXiv – cs.AI 05.12.2025 05:00

Forschung

Neues Benchmark enthüllt Täuschungsrisiken multimodaler KI

Ein neues arXiv-Papier (2512.00349v1) zeigt, dass die neuesten KI‑Modelle nicht nur leistungsfähiger, sondern auch gefährlicher werden – in…

arXiv – cs.AI 02.12.2025 05:00

Forschung

SpatialBench: Neuer Maßstab für räumliche Intelligenz multimodaler Sprachmodelle

Die räumliche Wahrnehmung ist ein zentrales Element echter multimodaler Intelligenz, denn sie ermöglicht es Modellen, mit ihrer physischen…

arXiv – cs.AI 27.11.2025 05:00

Forschung

ChemVTS-Bench: Neuer Test für multimodale Chemie-Modelle

Die Chemie erfordert die gleichzeitige Verarbeitung von Bild-, Text- und Symbolinformationen. Bisherige Benchmarks greifen jedoch meist auf…

arXiv – cs.AI 25.11.2025 05:00

Forschung

Multimodale Sprachmodelle: Räumliches Denken – Aufgaben, Benchmarks & Methoden

Ein neues Survey‑Paper von arXiv (2511.15722v1) beleuchtet die bislang wenig erforschte Fähigkeit von multimodalen großen Sprachmodellen (M…

arXiv – cs.AI 21.11.2025 05:00

Forschung

RECAP-PATH: KI-Framework liefert nachvollziehbare Diagnosen in der Pathologie

KI‑Tools haben die Pathologie bereits revolutioniert: Sie steigern die Durchsatzrate, standardisieren die Quantifizierung und entdecken pro…

arXiv – cs.AI 18.11.2025 05:00

Forschung

MAC: Live-Benchmark für multimodale KI im wissenschaftlichen Verständnis

Mit dem neuen Benchmark MAC (Multimodal Academic Cover) wird die Bewertung von multimodalen großen Sprachmodellen (MLLMs) neu definiert. MA…

arXiv – cs.AI 25.08.2025 05:00

Finde Modelle, Firmen und Themen

Federated Learning eröffnet neue Wege für multimodale Sprachmodelle

MLLMs erkennen Symbole nicht: Kognitive Diskrepanz bei multimodalen Sprachmodellen

K-Gen: Sprachmodell für interpretierbare Trajektorien in autonomen Fahrsimulation

EMO‑R3: Reflexives RL für emotionale Logik in multimodalen Modellen

Neues Tool UMPIRE verbessert Unsicherheitsmessung bei multimodalen Sprachmodellen

Kausales Decoding reduziert Halluzinationen bei multimodalen Sprachmodellen

PRISM-XR: Datenschutzfreundliche XR‑Kollaboration mit multimodalen LLMs

MAD: Modality-Adaptive Decoding reduziert Halluzinationen in multimodalen LLMs

BiTAgent: Aufgabenorientierter Rahmen für bidirektionale LLM-Weltmodell-Kopplung

Neues Benchmark enthüllt Täuschungsrisiken multimodaler KI

SpatialBench: Neuer Maßstab für räumliche Intelligenz multimodaler Sprachmodelle

ChemVTS-Bench: Neuer Test für multimodale Chemie-Modelle

Multimodale Sprachmodelle: Räumliches Denken – Aufgaben, Benchmarks & Methoden

RECAP-PATH: KI-Framework liefert nachvollziehbare Diagnosen in der Pathologie

MAC: Live-Benchmark für multimodale KI im wissenschaftlichen Verständnis

🍪 Cookie-Einstellungen