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

DODO：离散OCR扩散模型

👍 10

首个利用块离散扩散实现并行解码的OCR视觉语言模型，推理速度提升5倍

Sean Man, Roy Ganz, Roi Ronen, Shahar Tsiper, Shai Mazor, Niv Nayman 2026-02-24
OCR 并行解码 扩散模型 文档理解 视觉语言模型
✅ 已总结
详情 →

RynnBrain：开源具身智能基础模型

👍 44

阿里达摩院开源具身智能基础模型，统一感知/推理/规划，四个核心能力全面超越SOTA

Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin... 2026-02-19
具身智能 基础模型 多模态大模型 机器人 空间推理
✅ 已总结
详情 →

多轮对话中的视觉记忆注入攻击

👍 3

通过微小图像扰动，在多轮对话中隐蔽地注入针对特定话题的恶意输出

Christian Schlarmann, Matthias Hein 2026-02-19
多模态安全 对抗攻击 对抗鲁棒性 视觉语言模型
✅ 已总结
详情 →

MedXIAOHE：构建医疗多模态大语言模型的综合方案

👍 63

字节跳动医疗AI团队提出的医疗视觉语言基础模型，在30+基准测试中达到SOTA性能。

Baorong Shi, Bo Cui, Boyuan Jiang, Deli Yu, Fang Qian, Haihua Yang, Huichao... 2026-02-16
临床推理 医学影像 医疗AI 多模态大语言模型 视觉语言模型
✅ 已总结
详情 →