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 365 条结果
相关性 | 日期

基于世界模型规划的结构化折纸生成

👍 15

提出神经符号框架Learn2Fold，结合LLM语义规划与图结构世界模型，生成物理有效的折纸折叠序列

Yanjia Huang, Yunuo Chen, Ying Jiang, Jinru Han, Zhengzhong Tu, Yin Yang,... 2026-04-01
世界模型 折纸生成 神经符号AI 程序归纳 约束规划
✅ 已总结
详情 →

Vega：学习用自然语言指令驾驶

👍 4

提出统一视觉-语言-世界-动作模型，实现基于自然语言指令的自动驾驶

Sicheng Zuo, Yuxuan Li, Wenzhao Zheng, Zheng Zhu, Jie Zhou, Jiwen Lu 2026-03-27
世界模型 自动驾驶 自然语言指令 视觉-语言-动作模型 轨迹规划
✅ 已总结
详情 →

运动脉搏：从视觉动力学测量物理帧率

👍 18

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 →

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 →

V-JEPA 2.1：解锁视频自监督学习中的密集特征

👍 39

通过将预测损失扩展到所有token并引入深层自监督，大幅提升视频自监督学习的密集特征质量

Lorenzo Mur-Labadia, Matthew Muckley, Amir Bar, Mido Assran, Koustuv Sinha,... 2026-03-19
世界模型 密集预测 自监督学习 视觉Transformer 视频理解
✅ 已总结
详情 →