Newest papers

CellTrack-Bench: Microscopic Cell Tracking Benchmark for Vision-Language Models

Ilan Theodoro, Jordão Bragantini, Loïc A. Royer · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31566 · open-access PDF

Arabic

وقد أظهرت الأنماط اللغوية الكبيرة أداءً رائعًا في المهام الأولى التي تشمل النصوص مثل التدوين والتمثيل والتدوين. وتتغير الجهود الأخيرة في تدريب النماذج لتشمل المشاكل العلمية التي غالبًا ما تعيش في مجالات متخصصة للغاية خارج النص، مثل هيكل البروتين والصور البيولوجية. ومع ذلك، في هذه السيناريوهات، لا تزال دقة الهدف العام في المقام الأول مقارنة باللغات المتخصصة مسؤولة.

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models have shown outstanding performance on text-first tasks such as coding, math, and writing. Recent efforts are shifting models' training to include scientific problems that often live in highly specialized domains beyond text, such as protein structure and biological images. However, in these scenarios, their general-purpose accuracy compared with specialized algorithms remains in question. One such domain is cell tracking, which requires spatiotemporal awareness of cell dynamics. To evaluate this, we created a new benchmark, CellTrack-Bench, which assesses Vision-Language

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange