论文笔记

【文献笔记】Automatic Chain of Thought Prompting in Large Language ModelsAutomatic Chain of Thought Prompting in Large Language Models 原文代码：https://github.com/amazon-research/auto-cot

阿里云ACP认证-实时数据仓库Kappa架构：将实时和离线代码统一（优化lambda架构），但是不好修正数据，开发周期长，成本浪费，对于历史数据的高吞吐量力不从心原一代数据仓库：

多模态大语言模型arxiv论文略读（130）➡️ 论文标题：EMMA: Efficient Visual Alignment in Multi-Modal LLMs ➡️ 论文作者：Sara Ghazanfari, Alexandre Araujo, Prashanth Krishnamurthy, Siddharth Garg, Farshad Khorrami ➡️ 研究机构: New York University ➡️ 问题背景：多模态大型语言模型（MLLMs）通过结合视觉基础模型和语言模型，展示了在多种任务中的强大能力。然而，当前的多模态

多模态大语言模型arxiv论文略读（131）➡️ 论文标题：MLLM as Retriever: Interactively Learning Multimodal Retrieval for Embodied Agents ➡️ 论文作者：Junpeng Yue, Xinru Xu, Börje F. Karlsson, Zongqing Lu ➡️ 研究机构: 北京大学、中国科学院软件研究所、北京人工智能研究院 ➡️ 问题背景：多模态大型语言模型（MLLMs）在处理复杂具身任务时展现出潜力，通过检索多模态任务相关轨迹数据来完成任务。然而，当前的

多模态大语言模型arxiv论文略读（125）➡️ 论文标题：Uni-Med: A Unified Medical Generalist Foundation Model For Multi-Task Learning Via Connector-MoE ➡️ 论文作者：Xun Zhu, Ying Hu, Fanbin Mo, Miao Li, Ji Wu ➡️ 研究机构: 清华大学电子工程系、北京邮电大学人工智能学院、清华大学人工智能学院 ➡️ 问题背景：多模态大语言模型（MLLMs）在多种视觉和语言任务中展现了卓越的能力。然而，在医疗领域构建统一

多模态大语言模型arxiv论文略读（123）➡️ 论文标题：Enhancing Advanced Visual Reasoning Ability of Large Language Models ➡️ 论文作者：Zhiyuan Li, Dongnan Liu, Chaoyi Zhang, Heng Wang, Tengfei Xue, Weidong Cai ➡️ 研究机构: The University of Sydney ➡️ 问题背景：当前的视觉-语言模型（Vision-Language Models, VLMs）在视觉感知任务中表现出色，

【论文阅读笔记】ICLR 2025 | 解析Ref-Gaussian如何实现高质量可交互反射渲染会议【ICLR 2025】作者复旦大学，萨里大学；复旦·张力教授团队Github地址 https://github.com/fudan-zvg/ref-gaussian.git

多模态大语言模型arxiv论文略读（118）➡️ 论文标题：VoiceWukong: Benchmarking Deepfake Voice Detection ➡️ 论文作者：Ziwei Yan, Yanjie Zhao, Haoyu Wang ➡️ 研究机构: 华中科技大学 ➡️ 问题背景：随着文本转语音（TTS）和语音转换（VC）技术的快速发展，检测深度伪造语音（Deepfake Voice）变得越来越重要。然而，学术界和工业界缺乏一个全面且直观的基准来评估检测器。现有的数据集在语言多样性方面有限，且缺乏在实际生产环境中遇到的多种操作。 ➡️

多模态大语言模型arxiv论文略读（119）➡️ 论文标题：ODE: Open-Set Evaluation of Hallucinations in Multimodal Large Language Models ➡️ 论文作者：Yahan Tu, Rui Hu, Jitao Sang ➡️ 研究机构: 北京交通大学 (Beijing Jiaotong University) ➡️ 问题背景：多模态大语言模型（Multimodal Large Language Models, MLLMs）在图像描述和视觉问答等任务中取得了显著进展，但这些模型面

多模态大语言模型arxiv论文略读（113）➡️ 论文标题：Grounded Multi-Hop VideoQA in Long-Form Egocentric Videos ➡️ 论文作者：Qirui Chen, Shangzhe Di, Weidi Xie ➡️ 研究机构: Shanghai Jiao Tong University ➡️ 问题背景：当前的视频问答（VideoQA）系统在处理长形式的自拍视频时，面临多跳推理和时间定位的挑战。这些系统通常只能基于单一时间点的视觉线索回答问题，而无法处理需要跨多个时间间隔的信息整合和推理的任务。此外

【投稿优惠】2025年航天技术、雷达信号与无人机应用国际会议 (ATRA 2025)2025年航天技术、雷达信号与无人机应用国际会议（ATRA 2025）即将在福州拉开帷幕。本次大会将吸引来自世界各地的航天工程师、雷达技术专家、无人机开发者以及相关领域的学者和研究人员齐聚一堂，共同探讨航天技术、雷达信号处理及无人机应用的最新进展。

2025年能源电力系统与流体力学国际会议 (EPSFD 2025)2025年能源电力系统与流体力学国际会议（EPSFD 2025）将于本年度在美丽的杭州盛大召开。作为全球能源、电力系统以及流体力学领域的顶级盛会，EPSFD 2025旨在为来自世界各地的科学家、工程师和研究人员提供一个展示最新研究成果、分享实践经验及探索未来发展方向的重要平台。

多模态大语言模型arxiv论文略读（111）➡️ 论文标题：SEA: Supervised Embedding Alignment for Token-Level Visual-Textual Integration in MLLMs ➡️ 论文作者：Yuanyang Yin, Yaqi Zhao, Yajie Zhang, Ke Lin, Jiahao Wang, Xin Tao, Pengfei Wan, Di Zhang, Baoqun Yin, Wentao Zhang ➡️ 研究机构: 中国科学技术大学、北京大学、快手科技 ➡️ 问题背景

多模态大语言模型arxiv论文略读（110）➡️ 论文标题：CoVLA: Comprehensive Vision-Language-Action Dataset for Autonomous Driving ➡️ 论文作者：Hidehisa Arai, Keita Miwa, Kento Sasaki, Yu Yamaguchi, Kohei Watanabe, Shunsuke Aoki, Issei Yamamoto ➡️ 研究机构: Turing Inc. ➡️ 问题背景：自动驾驶技术面临的主要挑战之一是处理复杂和不可预测的驾驶环境，特别是

GenSpark vs Manus实测对比：文献综述与学术PPT，哪家强？GenSpark和Manus这两款智能体AI产品，无论是团队基因还是产品功能，都有很多相似性。下面这张图娜姐详细对比了两者的异同：

多模态大语言模型arxiv论文略读（108）➡️ 论文标题：CROME: Cross-Modal Adapters for Efficient Multimodal LLM ➡️ 论文作者：Sayna Ebrahimi, Sercan O. Arik, Tejas Nama, Tomas Pfister ➡️ 研究机构: Google Cloud AI Research ➡️ 问题背景：多模态大语言模型（Multimodal Large Language Models, MLLMs）在图像-语言任务中表现出色，但其广泛应用面临成本效益的训练和适应挑

多模态大语言模型arxiv论文略读（106）➡️ 论文标题：Optimus-1: Hybrid Multimodal Memory Empowered Agents Excel in Long-Horizon Tasks ➡️ 论文作者：Zaijing Li, Yuquan Xie, Rui Shao, Gongwei Chen, Dongmei Jiang, Liqiang Nie ➡️ 研究机构: Harbin Institute of Technology, Shenzhen、Peng Cheng Laboratory ➡️ 问题背景：当前的

多模态大语言模型arxiv论文略读（109）➡️ 论文标题：Math-PUMA: Progressive Upward Multimodal Alignment to Enhance Mathematical Reasoning ➡️ 论文作者：Wenwen Zhuang, Xin Huang, Xiantao Zhang, Jin Zeng ➡️ 研究机构: University of Chinese Academy of Sciences、Beijing Institute of Technology、Beihang University ➡️

在word中点击zotero Add/Edit Citation没有反应的解决办法重新安装了word插件1.关掉word2.进入Zotero左上角编辑-引用3.往下滑找到Microsoft Word，点重新安装加载项

2025年计算机科学与网络安全国际会议（CSNS 2025）第二届计算机科学与网络安全国际会议（CSNS 2025）将在兰州举办，这是一场聚焦于计算机科学领域最新进展及网络安全前沿技术的国际性学术交流盛会。该会议旨在为来自全球各地的研究学者、工程师以及相关行业专业人士提供一个高水平的交流平台，共同探讨计算机科学理论、应用技术以及网络安全方面的新发现、新理念和新趋势。