| name | mtt-bench-social-dominance-mice |
| description | 多模态大语言模型预测小鼠社会优势行为的基准测试框架。MLLM分析原始行为视频预测优势等级。 |
| category | neuroscience |
| source | arXiv:2604.22492 |
| published | 2026-04-24 |
| paper_url | https://arxiv.org/abs/2604.22492 |
| tags | ["animal behavior","social dominance","multimodal LLM","mouse behavior","MTT-Bench"] |
MTT-Bench: Predicting Social Dominance in Mice via Multimodal Large Language Models
概述
多模态大语言模型预测小鼠社会优势行为的基准测试框架。MLLM分析原始行为视频预测优势等级。
来源论文: MTT-Bench: Predicting Social Dominance in Mice via Multimodal Large Language Models
发表日期: 2026-04-24
arXiv ID: 2604.22492
核心方法论
核心方法论:
-
多模态行为分析
- 处理小鼠原始行为视频
- 多模态大语言模型(MLLM)分析
- 端到端行为理解
-
社会优势预测
- 自动识别社会互动行为
- 预测优势层级关系
- 行为模式建模
-
应用领域
- 神经科学研究
- 行为学研究
- 动物模型分析
- 多模态视频理解
应用场景
- 动物行为分析
- 神经科学研究
- 社会行为建模
- 多模态视频理解
触发关键词
animal behavior, social dominance, multimodal LLM, mouse behavior, MTT-Bench
技术要点
模型架构
- 基于最新的生成模型和神经科学技术
- 结合了深度学习和神经科学理论
- 支持多模态数据融合
数据要求
- 神经影像学数据(fMRI、EEG、MRI等)
- 行为数据(动物或人类)
- 临床变量(年龄、性别、健康状况等)
评估指标
- 图像重建质量(PSNR、SSIM)
- 分类准确性
- 时间一致性
- 解剖学合理性
实现参考
Python依赖
pip install torch torchvision torchaudio
pip install diffusers transformers
pip install numpy scipy matplotlib
pip install mne
pip install nibabel
代码示例
相关论文
- MTT-Bench: Predicting Social Dominance in Mice via Multimodal Large Language Models
- arXiv:2604.22492
更新日志
- 2026-04-24: 基于arXiv论文创建技能