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 329 条结果
相关性 | 日期

千帆OCR：统一的端到端文档智能模型

👍 155

4B参数端到端文档智能模型，通过Layout-as-Thought实现布局分析与文本理解统一

Daxiang Dong, Mingming Zheng, Dong Xu, Chunhua Luo, Bairong Zhuang, Yuxuan... 2026-03-18
OCR 布局分析 文档智能 端到端学习 视觉语言模型
✅ 已总结
详情 →

全景图像中的功能预测研究

👍 10

首次探索全景功能预测任务，提出PAP-12K数据集和模拟人眼中央凹视觉的PAP框架

Zixin Zhang, Chenfei Liao, Hongfei Zhang, Harold Haodong Chen, Kanghao Chen,... 2026-03-17
全景视觉 具身智能 功能预测 视觉语言模型 计算机视觉
✅ 已总结
详情 →

多模态OCR：解析文档中的一切内容

👍 47

将文档中的文字和图形统一解析为可渲染的结构化代码，而非像素裁剪

Handong Zheng, Yumeng Li, Kaile Zhang, Liang Xin, Guangwei Zhao, Hao Liu,... 2026-03-16
OCR SVG重建 多模态 文档解析 视觉语言模型
✅ 已总结
详情 →