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 56 条结果
相关性 | 日期

Block3D：基于块级扩散的高效文本到3D生成

👍 32

把3D形状码的逐token自回归解码改为块间因果、块内并行去噪加置信度修正，提速5.15倍

Bowen Cui, Weijie Wang, Zeyu Zhang, Yefei He, Mingda Lin, Haoyu Zhao, Yuanyu... 2026-08-25
3D网格生成 块级扩散 文本到3D生成 离散去噪 自回归生成
✅ 已总结
详情 →

Alaya-EVOKE：从线性开销监督到无尽世界

👍 130

外置相机位姿索引的几何记忆，配合长时程教师蒸馏，实现三步生成、小时级不间断的交互世界模型

Yuanyang Yin, Gongxuan Wang, Yifan Zhan, Chuanhao Li, Kaipeng Zhang, Feng Zhao 2026-08-14
世界模型 交互式生成 几何记忆 少步蒸馏 自回归生成
✅ 已总结
详情 →

Wonder：打造更优的视频世界模型

👍 19

实时相机可控的视频世界模型，支持图像与视频条件的长程交互探索

Jiacong Xu, Hanwen Jiang, Zhixin Shu, Kalyan Sunkavalli, Vishal M. Patel, Yiqun Mei 2026-07-29
实时生成 模型蒸馏 相机控制 稀疏注意力记忆 自回归生成
✅ 已总结
详情 →

AlayaWorld：交互式长时程视频世界模型

👍 57

基于15B扩散Transformer的交互式长时程世界模型，蒸馏至4步实现低延迟生成

AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge,... 2026-07-22
3D记忆 世界模型 扩散Transformer 自回归生成 蒸馏加速
✅ 已总结
详情 →

逐 Token 关注多模态生成过程

👍 8

系统刻画MLLM生成时逐token注意力动态，并用注意力阻断与增强干预验证因果并提升性能

Varun Gupta, Vineet Gandhi, Makarand Tapaswi 2026-07-08
多模态大模型 机制可解释性 注意力干预 注意力机制 自回归生成
✅ 已总结
详情 →

MotionVLA：用于人形运动的视觉-语言-动作模型

👍 5

提出双流频率标记器和MotionVLA框架，解决人形运动生成中姿态语义与物理动态的频域不匹配问题

Nonghai Zhang, Siyu Zhai, Yanjun Li, Zeyu Zhang, Zhihan Yin, Yandong Guo,... 2026-06-17
人形运动生成 多模态学习 自回归生成 视觉-语言-动作模型 频域标记化
✅ 已总结
详情 →

DreamX-World 1.0：通用交互式世界模型

👍 113

支持相机导航、场景记忆和可组合事件控制的通用世界模型

DreamX Team, Yancheng Bai, Rui Chen, Xiangxiang Chu, Rujing Dang, Hao Dou,... 2026-06-16
世界模型 交互式生成 相机控制 自回归生成 视频生成
✅ 已总结
详情 →

Lip Forcing：用于实时唇形同步的少步自回归扩散模型

👍 36

首个支持实时推理的唇形同步扩散模型，通过分析驱动的蒸馏框架将14B教师压缩为两步自回归学生，实现31 FPS流式生成

Paul Hyunbin Cho, Jinhyuk Jang, SeokYoung Lee, Joungbin Lee, Siyoon Jin,... 2026-06-10
唇形同步 实时推理 扩散模型 模型蒸馏 自回归生成
✅ 已总结
详情 →