用可学习的演化记忆查询实现实时无限长视频生成。
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
用双向判别器与分布匹配预热实现单步自回归视频生成,解决运动坍缩与训练不稳定。
VLM-as-Teacher范式,通过测试时优化提升视频推理能力
首个将MLA应用于视频扩散的工作,压缩KV缓存92.7%同时保持长时生成质量
通过检索历史生成内容解决AR长视频生成的错误累积问题
用团队体育作动态微观世界,构建覆盖感知到智能体合成的战略视频智能基准
提出解耦记忆架构实现分钟级一致长视频生成
通过联合DMD和对抗损失实现高质量单步自回归视频生成
训练时用轻量生成器,推理时用UPFB桥接大生成器,实现高质量视频生成
全栈框架将视频基础模型转为实时相机可控世界模型
YoCausal评估视频扩散模型的因果理解,发现时间箭头感知不等同于因果认知
用自适应状态替换静态锚点,解决流式视频生成中的动态性抑制问题
通过多关键帧条件控制,实现电影风格视频的精确叙事生成
提出Simplex旋转编码和稀疏Hub注意力,实现可扩展至四个玩家的多智能体世界模型
通过稀疏注意力、序列并行、量化和强化学习,实现高质量视频生成的1.64倍加速
首个闭环视频世界模拟器,支持状态预测和奖励评估
用多智能体+双桥一致性框架在百镜头量级实现角色一致的长视频换脸/风格化重制
一种通过潜在空间记忆传播和恢复流匹配实现分钟级稳定人体动画的轻量级后训练框架
WBench用289案例×5维度×22指标,对20款SOTA交互式世界模型做统一评测。
用显式 3D 缓存解耦几何与纹理,让扩散模型沿任意相机轨迹生成时空一致的 360° 视频。