PathoSage es un marco de tres etapas que aborda la adjudicación de evidencia en patología, separando explícitamente la recuperación de conocimiento, la recopilación y la adjudicación de evidencia. Utiliza un sistema agéntico con Deliberación Estructurada de Evidencia para evaluar de forma independiente la evidencia heterogénea y reducir el sesgo de anclaje.
WorldBench, un nuevo benchmark multimodal de investigadores del MIT, evalúa 15 MLLM en imágenes visualmente diversas, revelando brechas fundamentales en la comprensión visual, con el modelo superior puntuando solo un 64,0%. Este benchmark prioriza la diversidad visual sobre los tipos de tareas.
Este artículo propone el framework LAMO para abordar el desafío de desplegar agentes GUI autónomos ligeros impulsados por MLLMs en dispositivos con recursos limitados. LAMO mejora los MLLMs ligeros con conocimiento específico de GUI y escalabilidad de tareas mediante orquestación de múltiples roles.
AMBER presenta un nuevo benchmark multidimensional, independiente de LLM, diseñado para evaluar rigurosamente la alucinación en Modelos de Lenguaje Grandes Multimodales (MLLMs). Esta investigación tiene como objetivo proporcionar una herramienta integral para analizar la fiabilidad y precisión de las salidas de los MLLMs.
Este artículo identifica y formaliza el
SaFeR-Steer es un nuevo marco para la alineación de seguridad de MLLMs en diálogos multi-turno, abordando ataques que explotan el historial visual-textual y la degradación de la seguridad en contextos largos. Este método utiliza bootstrapping sintético y dinámica de retroalimentación, y también introduce el conjunto de datos STEER para entrenamiento y evaluación.
El artículo propone ICG, un nuevo marco para la generación personalizada de imágenes de portada que integra el prompting basado en MLLM con la alineación de preferencias. Utiliza características semánticas e incrustaciones de usuario para contextualizar el modelo de difusión y adopta una estrategia de aprendizaje de recompensas múltiples para abordar la falta de supervisión etiquetada.