标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 55 条结果
相关性 | 日期

面向全模态密集视频描述的并行自回归解码

👍 25

通过潜在全局规划和事件因子化注意力，实现无损并行自回归视频描述解码

Wenzheng Zeng, Siyi Jiao, Chen Gao, Hwee Tou Ng, Mike Zheng Shou 2026-07-08
事件定位 多模态学习 密集视频描述 并行解码 自回归模型
✅ 已总结
详情 →

GEAR：引导式端到端自回归图像合成

👍 34

端到端联合训练VQ tokenizer和AR generator，将ImageNet训练加速10倍

Bin Lin, Zheyuan Liu, Chenguo Lin, Sixiang Chen, Yunyang Ge, Yunlong Lin,... 2026-07-01
向量量化 图像生成 端到端训练 自回归模型
✅ 已总结
详情 →

MaineCoon：追求实时视听社交世界模型

👍 13

首个单GPU实时运行22B参数的视听自回归生成模型，支持亚秒级交互和千秒级长时生成

Lichen Bai, Tianhao Zhang, Shitong Shao, Dingwei Tan, Qiyu Zhong, Zhengpeng... 2026-06-18
多模态生成 实时生成 社交世界模型 自回归模型 视频生成
✅ 已总结
详情 →