paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
LQ

Lorena Qendro

ACL 2026智能体与工具可解释性效率与系统
新星分资深
9
一作贡献0
核心/参与0
方向广度6
合作网络3
0 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
作者位次 #5/5ACL 2026Findings· Findings of ACL

C on S ensus: Multi-Agent Collaboration for Multimodal S ensing

Hyungjun Yoon · Mohammad Malekzadeh · Sung-Ju Lee · Fahim Kawsar · Lorena Qendro

摘要

Large language models (LLMs) are increasingly grounded in sensor data to perceive and reason about human physiology and the physical world. However, accurately interpreting heterogeneous multimodal sensor data remains a fundamental challenge. We show that a single monolithic LLM often fails to re...

智能体与工具可解释性效率与系统OpenReview 项目页

常见合作者