深度分析
隱性文化對齊獎勵模型：以跨注意力跳接提升T2I評估公平性
隨著文字生成影像技術快速發展，評估生成內容的文化真實性成為公平可信的關鍵。研究提出基於4.2億參數多模態大語言模型的隱性文化對齊獎勵模型，結合文化探測與跨注意力機制，直接預測標量分數。實驗在3,323組測試影像上達到80.54%配對正確率，並以0.21秒的延遲比傳統VQA評估快十倍。
多模態大語言模型
深度分析
MentalThink：以 SVG 為基礎的多模態大語言模型視覺推理框架
Aristotle說心靈離不開影像，研究提出MentalThink以SVG作為可執行的視覺思考機制，模型在多輪推理中生成、渲染與解讀向量圖形，提升空間理解。實驗顯示在VSIBench與MindCube上分別達55.1%與76.0%精度，顯示向量圖形成為可驗證的思考工作區。
深度分析
PlantInquiryVQA 與 Chain-of-Inquiry：以多步問答重構植物病理診斷流程
研究指現行VQA偏向單回合，忽略植物病理專家的逐步探究。PlantInquiryVQA提出Chain-of-Inquiry框架，收錄24950張葉片影像與138068組問答，證明意圖導向的多步追問可降低模型幻覺並提高診斷正確性，但模型在安全與臨床推理上仍存在缺口。