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 582 条结果
相关性 | 日期

Helix4D：复杂动态 4D 网格生成

👍 13

将图像生成3D的Trellis2扩展为视频驱动的4D动态网格生成

Jiraphon Yenphraphai, Jianqi Chen, Jian Wang, Gordon Qian, Sergey Tulyakov,... 2026-05-26
4D生成 RoPE位置编码 动态网格 扩散模型 视频到3D
✅ 已总结
详情 →

Lens: 重新思考基础文生图模型的训练效率

👍 103

3.8B参数文生图模型，仅用Z-Image约19.3%算力即可在多个基准上追平甚至超越6B+模型。

Dong Chen, Fangyun Wei, Ziyu Wan, Dongdong Chen, Jiawei Zhang, Jinjing Zhao,... 2026-05-25
Reasoner 强化学习后训练 扩散模型 数据信息密度 文生图
✅ 已总结
详情 →

PiD：用像素扩散实现快速高分辨率潜变量解码

👍 45

PiD把潜变量解码重定义为像素扩散，统一解码与超分，4步蒸馏即可秒级生成4K图像。

Yifan Lu, Qi Wu, Jay Zhangjie Wu, Zian Wang, Huan Ling, Sanja Fidler, Xuanchi Ren 2026-05-25
像素空间生成 扩散模型 模型蒸馏 潜变量解码 超分辨率
✅ 已总结
详情 →

ETCHR：用编辑来澄清和驾驭视觉推理

👍 12

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →