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 251 条结果
相关性 | 日期

EgoForge：面向目标驱动的第一人称世界模拟器

👍 10

EgoForge 仅凭单张自我中心图像+高层指令+可选外中心图，生成目标驱动的连贯第一人称视频

Yifan Shen, Jiateng Liu, Xinzhuo Li, Yuanzhe Liu, Bingxuan Li, Houze Yang,... 2026-03-23
XR应用 世界模型 强化学习对齐 扩散模型 自我中心视觉
✅ 已总结
详情 →

V-JEPA 2.1：解锁视频自监督学习中的密集特征

👍 36

通过将预测损失扩展到所有token并引入深层自监督，大幅提升视频自监督学习的密集特征质量

Lorenzo Mur-Labadia, Matthew Muckley, Amir Bar, Mido Assran, Koustuv Sinha,... 2026-03-19
世界模型 密集预测 自监督学习 视觉Transformer 视频理解
✅ 已总结
详情 →

立体世界模型：相机引导的立体视频生成

👍 11

首个相机条件约束的立体世界模型，联合学习外观与双目几何，实现端到端立体视频生成

Yang-Tian Sun, Zehuan Huang, Yifan Niu, Lin Ma, Yan-Pei Cao, Yuewen Ma, Xiaojuan Qi 2026-03-19
世界模型 扩散模型 注意力机制 相机控制 立体视频生成
✅ 已总结
详情 →

基于因子化世界状态的奖励预测

👍 2

通过将观测分解为对象-属性结构，实现零样本跨域奖励预测

Yijun Shen, Delong Chen, Xianming Hu, Jiaming Mi, Hongbo Zhao, Kai Zhang,... 2026-03-11
世界模型 大语言模型 奖励预测 强化学习 智能体规划
✅ 已总结
详情 →

DreamWorld：视频生成中的统一世界建模

👍 16

通过联合建模多源世界知识（运动、语义、几何），实现物理一致的视频生成。

Boming Tan, Xiangdong Zhang, Ning Liao, Yuqing Zhang, Shaofeng Zhang, Xue... 2026-03-06
世界模型 扩散模型 物理一致性 表征对齐 视频生成
✅ 已总结
详情 →

超越语言建模：多模态预训练的探索

👍 107

从零开始系统研究统一多模态预训练的设计空间，揭示视觉与语言的互补性和缩放不对称性

Shengbang Tong, David Fan, John Nguyen, Ellis Brown, Gaoyue Zhou, Shengyi... 2026-03-04
世界模型 多模态预训练 混合专家 缩放定律 视觉生成
✅ 已总结
详情 →

下一嵌入预测使世界模型更强大

👍 21

用因果Transformer预测下一时刻嵌入，替代像素重建学习世界模型

George Bredis, Nikita Balagansky, Daniil Gavrilov, Ruslan Rakhimov 2026-03-04
Transformer 世界模型 强化学习 模型基强化学习 表征学习
✅ 已总结
详情 →