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 86 条结果
相关性 | 日期

MathNet：面向数学推理与检索的全球多模态基准

👍 15

构建了跨越47国17语、3万+奥数题的MathNet基准，并首次系统性评测模型在数学等价检索上的能力。

Shaden Alshammari, Kevin Wen, Abrar Zainal, Mark Hamilton, Navid Safaei,... 2026-04-21
向量检索 基准评测 多模态 多语言 数学推理
✅ 已总结
详情 →

AVControl：高效的音视频控制训练框架

👍 30

用独立LoRA在并行画布上训练13种音视频控制模态，仅需55K步即可超越VACE等基线

Matan Ben-Yosef, Tavi Halperin, Naomi Ken Korem, Mohammad Salama, Harel... 2026-03-27
LoRA微调 可控生成 多模态 视频生成 音频生成
✅ 已总结
详情 →

多模态OCR：解析文档中的一切内容

👍 46

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 →

Meissa：多模态医疗智能体智能

👍 5

4B参数医疗智能体通过行为蒸馏实现离线部署，性能媲美前沿大模型

Yixiong Chen, Xinyi Bai, Yue Pan, Zongwei Zhou, Alan Yuille 2026-03-12
医疗AI 多模态 工具调用 智能体 知识蒸馏
✅ 已总结
详情 →