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
找到 256 条结果
相关性 | 日期

以触觉观之：触觉驱动的材料区域视觉定位

👍 3

提出Seeing Through Touch框架，用局部视觉-触觉对齐实现触觉引导的材料分割。

Seongyu Kim, Seungwoo Lee, Hyeonggon Ryu, Joon Son Chung, Arda Senocak 2026-04-15
具身智能 多模态定位 对比学习 材料分割 视觉-触觉学习
✅ 已总结
详情 →

OpenSpatial：面向空间智能的原理化数据引擎

👍 38

开源 3D 框中心化的空间数据引擎，合成 3M 多任务样本让 VLM 在空间推理基准上平均提升 14.1%。

Jianhui Liu, Haoze Sun, Wenbo Li, Yanbing Zhang, Rui Yang, Zhiliang Zhu,... 2026-04-10
3D 视觉 VQA 合成 具身智能 数据引擎 空间智能
✅ 已总结
详情 →