统一TF-CM和SF-DMD的三阶段蒸馏，1-4步实时流式视频生成达84.63分。
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
智能体模型的批判性分析与GIC架构
👍 23区分工具型与内禀型系统，提出基于分层目标、演化身份和自调节的GIC架构
用于机器人操作的世界价值模型
👍 8将世界模型作为机器人价值学习的基础，实现SOTA任务进度估计
世界行动模型综述
👍 59系统梳理世界行动模型的设计哲学、核心组件、关键属性与开放挑战
利用动作条件世界模型潜在表示实现长视野机器人任务的实时故障监控
当前世界模型缺乏持久状态核心
👍 18现有视频世界模型无法在相机离开视野后维持世界状态的连续演化
提出首个统一控制相机、物体和天气的视频世界模型，从单张图像生成精确可控的目标天气场景
首个原生面向物理AI的世界模型，跨具身课程+混合线性时序记忆
通过改进提示词、清理人工制品和重新设计评分方法，提升了物理理解评估的可靠性
循环世界模型
👍 80用参数共享的循环迭代构建高效稳定的世界模型
提出分层动作感知记忆，统一导航和物体交互的实时交互式世界模型
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
以自然语言为统一动作接口，跨场景训练具身视频世界模型。
iMaC把未来动作渲染成运动图与接触图，注入视频扩散模型做策略评估。
用 3D 轨迹作为视频到机器人动作的可复用中间表征，纯视频预训练即可匹敌有动作监督的 VLA。
首个同时满足高保真、长时一致性和高效生成的机器人操作世界模型
系统梳理LLM智能体环境的生命周期，涵盖环境建模、自动合成、质量评估及智能体-环境协同演化
通过场景演化先验和轨迹运动先验提升VLA模型的OOD泛化能力
世界模型自蒸馏：训练世界模型解决通用任务
👍 15通过自蒸馏和VLM反馈将视频扩散模型转为指令跟随的任务求解器
提出使用单个LLM同时扮演Agent和环境两个角色，实现自举式协同进化，在多任务基准中平均提升超过4%