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 323 条结果
相关性 | 日期

AVControl：高效的音视频控制训练框架

👍 30

用独立LoRA在并行画布上训练13种音视频控制模态，仅需55K步即可超越VACE等基线

Matan Ben-Yosef, Tavi Halperin, Naomi Ken Korem, Mohammad Salama, Harel... 2026-03-27
LoRA微调 可控生成 多模态 视频生成 音频生成
✅ 已总结
详情 →

运动脉搏：从视觉动力学测量物理帧率

👍 20

提出Visual Chronometer预测视频物理帧率，解决时间尺度幻觉

Xiangbo Gao, Mingyang Wu, Siyuan Yang, Jiongze Yu, Pardis Taghavi, Fangzhou... 2026-03-26
世界模型 帧率估计 时间建模 视觉动力学 视频生成
✅ 已总结
详情 →

视频生成强化学习中的流形感知探索方法

👍 34

通过微观精确SDE和宏观双重信任区域，使视频GRPO探索保持在数据流形附近

Mingzhe Zheng, Weijie Kong, Yue Wu, Dengyang Jiang, Yue Ma, Xuanhua He, Bin... 2026-03-24
GRPO 强化学习对齐 扩散模型 流匹配 视频生成
✅ 已总结
详情 →

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 →