Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.17589

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2506.17589 (cs)
[提交于 2025年6月21日 (v1) ,最后修订 2025年6月26日 (此版本, v2)]

标题: 驯服未驯服的:基于图的知识检索与推理,使MLLMs征服未知

标题: Taming the Untamed: Graph-Based Knowledge Retrieval and Reasoning for MLLMs to Conquer the Unknown

Authors:Bowen Wang, Zhouqiang Jiang, Yasuaki Susumu, Shotaro Miwa, Tianwei Chen, Yuta Nakashima
摘要: 知识的实际价值不仅在于其积累,更在于其被有效利用以征服未知的潜力。 尽管最近的多模态大语言模型(MLLMs)表现出令人印象深刻的多模态能力,但由于相关知识有限,它们在很少遇到的特定领域任务中常常失败。 为了探索这一点,我们采用视觉游戏认知作为测试平台,并选择怪物猎人:世界作为目标来构建一个跨模态知识图谱(MH-MMKG),该图谱结合了多种模态和复杂的实体关系。 我们还设计了一系列基于MH-MMKG的挑战性查询,以评估模型在复杂知识检索和推理方面的能力。 此外,我们提出了一种多智能体检索器,使模型能够在不进行额外训练的情况下自主搜索相关知识。 实验结果表明,我们的方法显著提高了MLLMs的性能,为多模态知识增强推理提供了新的视角,并为未来的研究奠定了坚实的基础。
摘要: The real value of knowledge lies not just in its accumulation, but in its potential to be harnessed effectively to conquer the unknown. Although recent multimodal large language models (MLLMs) exhibit impressing multimodal capabilities, they often fail in rarely encountered domain-specific tasks due to limited relevant knowledge. To explore this, we adopt visual game cognition as a testbed and select Monster Hunter: World as the target to construct a multimodal knowledge graph (MH-MMKG), which incorporates multi-modalities and intricate entity relations. We also design a series of challenging queries based on MH-MMKG to evaluate the models' ability for complex knowledge retrieval and reasoning. Furthermore, we propose a multi-agent retriever that enables a model to autonomously search relevant knowledge without additional training. Experimental results show that our approach significantly enhances the performance of MLLMs, providing a new perspective on multimodal knowledge-augmented reasoning and laying a solid foundation for future research.
评论: 被ICCV 2025接收
主题: 人工智能 (cs.AI)
引用方式: arXiv:2506.17589 [cs.AI]
  (或者 arXiv:2506.17589v2 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.17589
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Bowen Wang [查看电子邮件]
[v1] 星期六, 2025 年 6 月 21 日 05:01:02 UTC (494 KB)
[v2] 星期四, 2025 年 6 月 26 日 01:13:31 UTC (1,874 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号