Paper-Conference

VideoChat-r1.5: visual test-time scaling to reinforce multimodal reasoning by iterative perception

2025年10月11日

StreamForest: efficient online video understanding with persistent event memory

2025年10月11日

MotionRAG: motion retrieval-augmented image-to-video generation

2025年10月11日

Loquetier: a virtualized multi-LoRA framework for unified LLM fine-tuning and serving

2025年10月11日

LongVPO: from anchored cues to self-reasoning for long-form video preference optimization

2025年10月11日

Gated integration of low-rank adaptation for continual learning of language models

2025年10月11日

EgoExoBench: a benchmark for first-and third-person view video understanding in MLLMs

2025年10月11日

Eagle 2.5: boosting long-context post-training for frontier vision-language models

2025年10月11日

3D interaction geometric pre-training for molecular relational learning

2025年10月11日

VRBench: a benchmark for multi-step reasoning in long narrative videos

2025年8月12日