OCR推理大模型全军覆没？OCR-Reasoning基准揭示多模态大模型推理短板
近期多模态推理模型在数学题、学科题上表现出色，但OCR相关复杂任务的评测标准缺失。填补这一空白的是OCR-Reasoning基准，首次系统性检验了MLLMs在复杂文本图像推理中的能力。
PaperWeekly
重塑统一多模态理解范式！UNITE打破模态壁垒，横扫多模态检索基准
多模态统一嵌入框架UNITE通过Modal-Aware Masked Contrastive Learning解决跨模态干扰，显著提升细粒度检索、指令检索等多个任务性能。
ICML 2025 细粒度奖励建模：判别式策略优化下的Q-RM方法
近日，中山大学计算机学院与腾讯微信搜索团队联合提出 Q-RM（Q-function Reward Model），在 ICML 2025 正式发表。这一方法专注于构建更精确的 token-level 奖励信号，显著提升了大语言模型的训练效率和效果。
TIP 2025 从噪声图像到精准报告：CMCRL两阶段因果框架重构医疗多模态学习
论文提出CMCRL框架解决放射学报告生成任务中的挑战，包括长序列文本生成、病灶定位和视觉-语言偏倚问题。通过两阶段设计有效捕捉并校正跨模态数据中的偏倚，显著提高准确率和临床可信度。
通杀主流LLM！用知识图谱“撬开”大模型安全门，黑盒越狱新范式HBS-KGLLM发布
南京航空航天大学团队提出HBS-KGLLM框架，通过增强知识图谱挖掘有害信息结构化知识，实现有效探测LLMs的安全性能。该方法成功率高、成本低，并已在多款主流模型上测试表现优异。