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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 323 条结果
相关性 | 日期

LIVE：长时域交互式视频世界建模

👍 13

通过循环一致性目标约束误差累积，实现稳定长时域视频生成

Junchao Huang, Ziyang Ye, Xinting Hu, Tianyu He, Guiyu Zhang, Shaoshuai Shi,... 2026-02-04
世界模型 扩散模型 自回归生成 视频生成 长时域建模
✅ 已总结
详情 →

LoL：比更长还长，将视频生成扩展至小时级

👍 23

通过多头RoPE抖动解决自回归视频生成中的注意力坍塌问题，首次实现12小时连续流式视频生成

Justin Cui, Jie Wu, Ming Li, Tao Yang, Xiaojie Li, Rui Wang, Andrew Bai,... 2026-01-30
Transformer 位置编码 扩散模型 自回归模型 视频生成
✅ 已总结
详情 →

推进开源世界模型

👍 135

开源世界模型LingBot-World，支持分钟级实时交互世界模拟

Robbyant Team, Zelin Gao, Qiuyu Wang, Yanhong Zeng, Jiapeng Zhu, Ka Leong... 2026-01-29
世界模型 交互式模拟 具身AI 开源 扩散模型
✅ 已总结
详情 →

OmniTransfer：统一的时空视频迁移框架

👍 48

OmniTransfer：三模块统一框架实现多任务时空视频迁移

Pengze Zhang, Yanze Wu, Mengtian Li, Xu Bai, Songtao Zhao, Fulong Ye, Chong... 2026-01-21
多任务学习 扩散模型 时空一致性 视觉特效 视频生成
✅ 已总结
详情 →

未来光流预测提升机器人控制与视频生成

👍 19

统一VLM-Diffusion架构从网络视频学习语言驱动的未来光流预测，赋能机器人操控和视频生成

Kanchana Ranasinghe, Honglu Zhou, Yu Fang, Luyu Yang, Le Xue, Ran Xu,... 2026-01-19
光流预测 扩散模型 机器人操控 视觉语言模型 视频生成
✅ 已总结
详情 →