論文の概要: MMDS-Bench: Benchmarking Multimodal Large Language Models on Dynamic Stance in Social Media Interactions

• arxiv url: http://arxiv.org/abs/2608.30903v1
• Date: Mon, 31 Aug 2026 14:53:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.457699
• Title: MMDS-Bench: Benchmarking Multimodal Large Language Models on Dynamic Stance in Social Media Interactions
• Title（参考訳）: MMDS-Bench:ソーシャルメディアインタラクションにおける動的スタンスに基づくマルチモーダル大言語モデルのベンチマーク
• Abstract要約: ソーシャルメディアの親-応答相互作用におけるマルチモーダル動的姿勢分類のための診断ベンチマークであるMMDS-Benchを紹介する。 MMDS-Benchには7ラベルの動的スタンス分類を付加した3,482のマルチモーダルインスタンスが含まれている。 我々は,12のオープンソースおよびオープンソースマルチモーダル大言語モデルを評価し,推論品質を評価するための基準基底LLM-judgeプロトコルを提案する。
• 参考スコア（独自算出の注目度）: 24.97843643104738
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dynamic stance classification models how a reply responds to its direct parent message, rather than how a post relates to a fixed topic. Existing work has mainly studied this problem in text-only settings, while social media interactions increasingly rely on images, screenshots, memes, reaction images, and cross-modal references. We introduce MMDS-Bench, a diagnostic benchmark for multimodal dynamic stance classification in social media parent-reply interactions. MMDS-Bench contains 3,482 multimodal instances annotated with a seven-label dynamic stance taxonomy, together with an 800-instance diagnostic subset that requires structured reasoning over parent understanding, reply understanding, and stance-relation inference. We further annotate each instance with five challenge factors covering multimodal fusion, parent framing, non-literal expression, interaction reasoning, and label-boundary ambiguity. We evaluate 12 closed-source and open-source multimodal large language models and propose a reference-grounded LLM-judge protocol for assessing reasoning quality. Results show that current MLLMs still struggle with multimodal dynamic stance understanding, especially in cases that require relational inference beyond separate parent and reply comprehension.
• Abstract（参考訳）: 動的姿勢分類は、投稿が固定トピックにどのように関係しているかではなく、返信が親の直接メッセージにどのように反応するかをモデル化する。 既存の研究は主にテキストのみの設定でこの問題を研究しており、ソーシャルメディアのインタラクションは画像、スクリーンショット、ミーム、反応画像、相互参照にますます依存している。 ソーシャルメディアの親-応答相互作用におけるマルチモーダル動的姿勢分類のための診断ベンチマークであるMMDS-Benchを紹介する。 MMDS-Benchは、3,482のマルチモーダルインスタンスに7ラベルの動的スタンス分類を付加し、800のインスタンスの診断サブセットを備えており、親の理解、回答の理解、スタンス関係推論といった構造的推論を必要とする。 さらに, マルチモーダル融合, 親フレーミング, 非リテラル表現, 相互作用推論, ラベル境界曖昧性を含む5つの課題因子を各事例にアノテートした。 我々は,12のオープンソースおよびオープンソースマルチモーダル大言語モデルを評価し,推論品質を評価するための基準基底LLM-judgeプロトコルを提案する。 以上の結果から,近年のMLLMは,親と応答の理解以外の関係推論を必要とする場合に,マルチモーダルな動的スタンス理解に苦慮していることが明らかとなった。

関連論文リスト

• Contextualized Evaluation of Vision Language Models through Dynamic, Multi-turn Interactions [15.505991441542372]
  本稿では,評価モデルと自動検査器,グルーパーの3つのインタラクションとして評価をリキャストするフレームワークを提案する。 状態空間遷移をナビゲートすることで、CEDIは、明確化要求から敵のプローブまで、さまざまな戦略を展開し、パフォーマンスのエビデンスを引き出す。 幻覚はしばしば、自己強化的な対話履歴を通じて長い文脈に蓄積され、モデルは特に、前提的拒絶や拒絶を必要とする問題に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2026-07-16T02:25:03Z)
• IMUG-Bench: Benchmarking Unified Multimodal Models on Interleaved Understanding and Generation [30.102836710504565]
  We propose IMUG-Bench, a benchmark for multi-turn interleaved image-text dialogue of unified multimodal model (UMMs)。 我々のIMUG-Benchは、静的空間、時間的因果、ハイブリッドの3つのクラスから構成されており、3,113のサンプルと12,034の相互作用ターンをカバーしています。 IMUG-Benchの大規模実験は、主流のオープンソースとクローズドソースのUMMを体系的に評価し、その機能境界と障害モードを明らかにし、マルチターン相互作用における生成側の顕著な露光バイアスを明らかにする。
  論文  参考訳（メタデータ） (2026-06-08T08:08:20Z)
• MMCL-Bench: Multimodal Context Learning from Visual Rules, Procedures, and Evidence [66.12781312894647]
  MMCL-Bench(MMCL-Bench)は、視覚的・混合モダリティ教育の文脈からタスクローカルルール、手順、経験的パターンを学ぶためのベンチマークである。 この設定では、学習コンテキストを推論する前に、画像、スクリーンショット、マニュアル、ビデオ、フレームシーケンスから関連するエビデンスを復元し、ローカライズする必要がある。 厳密なスコアリングによるフロンティアマルチモーダルモデルを評価した結果、現在のシステムは堅牢なマルチモーダルコンテキスト学習には程遠いことが判明した。
  論文  参考訳（メタデータ） (2026-05-12T19:57:37Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• Multimodal Representation Learning Conditioned on Semantic Relations [10.999120598129126]
  マルチモーダル表現学習はCLIPのような対照的なモデルで急速に進歩している。 本稿では,自然言語関係記述に基づくマルチモーダル表現学習フレームワークであるRelation-Conditioned Multimodal Learning RCMLを提案する。 提案手法では,意味的関係に関連付けられた多対多の学習ペアを構築し,関係誘導型クロスアテンション機構を導入する。
  論文  参考訳（メタデータ） (2025-08-24T19:36:18Z)
• ContextQFormer: A New Context Modeling Method for Multi-Turn Multi-Modal Conversations [38.40471808648207]
  コンテキスト情報表現を強化するためのコンテキストモデリングモジュールであるContextQFormerを導入する。 さらなる研究を容易にするために, 事前学習, 指導指導, 評価のためのマルチターンマルチモーダル対話データセット(TMDialog)を構築した。 さらに、ContextQFormerはTMDialogの3つのベースラインと比較され、実験の結果、ContextQFormerはベースラインよりも利用率2%-4%の改善を実現している。
  論文  参考訳（メタデータ） (2025-05-29T05:41:26Z)
• MDK12-Bench: A Multi-Discipline Benchmark for Evaluating Reasoning in Multimodal Large Language Models [50.43793764203352]
  実世界のK-12試験を通してMLLMの推論能力を評価する多分野ベンチマークであるMDK12-Benchを紹介する。 本ベンチマークは,小学校から12年生までの様々な難易度にまたがる140Kの推論事例からなる。 6,827のインスタンスレベルの知識ポイントアノテーションが,十分に整理された知識構造,詳細な回答説明,難易度ラベル,年次分割に基づいている。
  論文  参考訳（メタデータ） (2025-04-08T08:06:53Z)
• 'What are you referring to?' Evaluating the Ability of Multi-Modal Dialogue Models to Process Clarificational Exchanges [65.03196674816772]
  参照表現が宛先に対して意図された参照を一意に識別しない場合、参照の曖昧さが対話で生じる。 出席者は、通常、そのような曖昧さをすぐに検知し、メタコミュニケーション、明確化取引所(CE: Meta-communicative, Clarification Exchanges)を使用して、話者と作業する。 ここでは、CRを生成・応答する能力は、マルチモーダルな視覚的基盤を持つ対話モデルのアーキテクチャと目的関数に特定の制約を課していると論じる。
  論文  参考訳（メタデータ） (2023-07-28T13:44:33Z)
• Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
  マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。 MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
  論文  参考訳（メタデータ） (2023-07-19T02:11:19Z)
• Linguistic Structure Guided Context Modeling for Referring Image Segmentation [61.701577239317785]
  本稿では,マルチモーダルコンテキストを相互モーダル相互作用によりモデル化する「ガザ・プロパゲート・ディストリビュート」方式を提案する。 我々のLSCMモジュールは依存パーシングツリーワードグラフ(DPT-WG)を構築し、文の有効なマルチモーダルコンテキストを含むようにすべての単語を誘導する。
  論文  参考訳（メタデータ） (2020-10-01T16:03:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。