mtt-bench-social-dominance-mice

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：

1. 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

2. 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

3. 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  # EEG处理
pip install nibabel  # 神经影像

代码示例

# 根据具体应用场景实现
# 参考原论文的实现细节

---

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