研究发现，多模态大语言模型（MLLMs）能够自发形成类似于人类的物体概念表征。通过行为实验和神经影像分析，构建了AI模型的“概念地图”，揭示了AI的认知结构与人类的相似性，推动了机器理解的研究进展。

本研究提出了新的基准KnowRecall和VisRecall，用于评估多模态大语言模型在不同语言间的一致性。KnowRecall关注全球地标的文化和历史知识一致性，VisRecall检验视觉记忆一致性。实验结果显示，现有模型在跨语言一致性方面仍存在困难，需要开发更具多语言和文化意识的模型。

本研究提出了ReGraP数据集和ReGraP-LLaVA模型，旨在解决个性化多模态大语言模型在多对象关系推理中的局限性。该模型通过结合知识图谱和链式问答，显著提升了个性化知识学习和关系推理能力，表现出色。

本研究提出了SeriesBench基准，旨在解决多模态大语言模型在理解复杂叙事剧集方面的不足。该基准包含105部剧集和28个任务，采用新标注方法和叙事推理框架，显示现有模型在叙事理解上仍面临挑战，并提供了提升性能的路径。

该研究评估了多模态大语言模型（MLLM）在提示工程中的表现，比较了七种方法。结果表明，自适应策略结合示例指导与选择性结构推理显著提升了模型的鲁棒性和准确性，为人工智能应用提供了有效的提示工程建议。

本研究提出了COUNTS，一个大规模的OOD数据集，旨在评估目标检测器和多模态大语言模型在分布变化下的泛化能力。研究表明，尽管大模型在标准数据集上表现良好，但在OOD场景中仍存在显著的性能限制。

本研究揭示了对比解码策略在多模态大语言模型中解决幻觉问题的局限性，尽管表面上性能有所提升，但这些提升实际上是误导性因素所致，未能有效抑制幻觉。研究挑战了对比解码的有效性，并为更好的解决方案提供了新方向。

本研究探讨多模态大语言模型（MLLMs）的安全对齐问题，指出现有模型在多模态输入下存在缺口。实验表明，数据分布偏见是主要原因。提出通过微调模型和使用拒绝句替换响应的方法，显著提高安全性，而无需收集恶意数据。

本研究提出了一种新方法SCRAMBLe，旨在提升多模态大语言模型（MLLMs）的组合推理能力。通过训练模型区分正确与错误的图像标题，该方法在多个视觉语言基准测试中显著提高了性能，并对一般问题回答任务产生了积极影响。

本研究通过引入基于规则的强化学习，解决了多模态大语言模型在图形用户界面（GUI）动作预测中的推理能力不足的问题。实验结果显示，该方法在多个任务上显著提高了准确性，尤其在AndroidControl和ScreenSpot-Pro基准测试中，准确率分别提升了15%和6%。

本研究提出了LEGO-Puzzles基准，用于评估多模态大语言模型（MLLMs）在多步空间推理中的表现。结果显示，最强的MLLMs正确率约为50%，而人类参与者的正确率超过90%。

本研究提出了“误导性图表问答基准”，用于评估多模态大语言模型识别误导性图表的能力。结果表明，现有模型在识别视觉误导方面存在局限性，并提出了新方法以提高解读准确性，为理解误导性图表提供了基础。

本研究提出了OmniGeo，一种针对地理空间人工智能的多模态大语言模型。该模型专为处理卫星影像、地理空间元数据和文本描述等多种数据源而设计，研究表明其在多个地理空间任务中表现优于现有模型，具备更强的指令遵循能力和空间推理准确性。

本研究提出了一种视觉位置提示（VPP）方法，旨在解决多模态大语言模型（MLLMs）在视觉定位任务中坐标与空间信息对齐的问题。VPP-LLaVA通过全局和局部视觉位置提示机制，显著提升了模型在标准定位基准上的性能。

本研究提出了ProJudgeBench，这是第一个用于评估多模态大语言模型（MLLM）过程判断能力的基准。研究表明，开放源代码模型与专有模型之间存在显著性能差距，并通过ProJudge-173k数据集和双阶段微调策略提升了开放源代码模型的评估能力。