首个支持任意三角剖分的高分辨率网格生成模型
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
LLM智能体
世界模型
视觉语言模型
GRPO
多模态大模型
知识蒸馏
基准评测
具身智能
流匹配
机器人操作
多智能体系统
智能体
LLM Agent
可解释性
图像生成
代码生成
多模态学习
检索增强生成
注意力机制
RLVR
后训练
视频理解
机器人学习
长上下文
多模态
数学推理
图像编辑
VLA
数据合成
多模态大语言模型
推理加速
高效推理
评测基准
自监督学习
工具调用
对比学习
扩散语言模型
视觉-语言-动作模型
参数高效微调
Transformer
工具使用
LoRA
持续学习
LLM评估
自蒸馏
多模态推理
RAG
模仿学习
综述
LLM推理
信息检索
信用分配
在线策略蒸馏
模型压缩
合成数据
KVPO:面向流式自回归视频生成,在ODE原生范式下做KV语义探索的偏好对齐
无需音频压缩器,直接在原始波形空间用流匹配生成高保真音频
用人类第一人称视频做数据引擎生成物理QA,先训VLM再双通路迁移到VLA
单步训练视频扩散GRPO,6倍加速且匹配全轨迹性能。
跟随均值:参考引导的流匹配生成
👍 2用参考样本均值漂移控制预训练流匹配模型
用因果一致性蒸馏替代因果ODE蒸馏,4倍加速AR视频扩散训练,延迟减半。
用流匹配矫正不可靠文本先验,用不确定性建模细化笔画,单步扩散实现毫秒级文本超分
潜码投到定半径超球面并改用 slerp 路径,ImageNet FID 大幅提升且无需改动扩散架构
非对称参数化流速度(数据全维、噪声低秩),实现像素空间 DiT 训练及潜空间→像素微调
在双曲+欧氏乘积流形上做流匹配适配冻结视觉骨干。
提出残差潜在动作RLA,在紧凑潜在空间中流匹配预测DINO特征动力学
Cola DLM:连续潜在扩散语言模型
👍 86通过分层潜在变量分解将文本生成为连续语义先验传输再条件解码。
在VLA架构中统一集成运动感知、长期记忆与物理感知三大功能模块
MolmoAct2:面向真实部署的动作推理模型
👍 355全开源动作推理VLA模型,独创分层KV条件架构+自适应深度推理,跨多平台零样本部署并刷新多项基准。
把扩散时间步张量化,全采样组合空间,加速训练并解锁分级控制推理。
基于轨道空间粒子流匹配的生成建模
👍 9OGPP:用轨道规范化+索引嵌入+几何路径统一粒子生成的对称性与属性编码
RvR将图像精修重构为条件再生,移除编辑指令与像素一致性约束以拓宽修改空间。
双模式权重共享自演化框架,仅4-8步采样即可实时流式生成音视频
用ELBO代理扩散模型似然,把GRPO嫁接到文生图后训练上,比MDP路线快2-3倍且SOTA。