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

FlowAct-R1：迈向实时交互式人形视频生成

👍 78

基于MMDiT的实时流式人形视频生成框架，25fps低延迟交互，支持任意时长

Lizhen Wang, Yongming Zhu, Zhipeng Ge, Youwei Zheng, Longhao Zhang, Tianshu... 2026-01-16
人形动画 多模态融合 实时交互 扩散模型 视频生成
✅ 已总结
详情 →

视频生成中的运动归因：MOTIVE框架

👍 72

提出MOTIVE框架，通过运动加权梯度归因识别影响视频生成运动质量的训练片段。

Xindi Wu, Despoina Paschalidou, Jun Gao, Antonio Torralba, Laura Leal-Taixé,... 2026-01-14
扩散模型 数据归因 梯度方法 视频生成 运动归因
✅ 已总结
详情 →

NeoVerse：基于野外单目视频增强的4D世界模型

👍 133

一种可扩展的4D世界建模方法，支持从单目视频进行重建、新轨迹视频生成和多种下游应用

Yuxue Yang, Lue Fan, Ziqi Shi, Junran Peng, Feng Wang, Zhaoxiang Zhang 2026-01-05
4D重建 世界模型 前馈模型 视频生成 高斯Splatting
✅ 已总结
详情 →