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 多模态 长上下文 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 评测基准 高效推理 自监督学习 工具调用 对比学习 扩散语言模型 参数高效微调 视觉-语言-动作模型 Transformer 工具使用 LoRA 持续学习 自蒸馏 LLM评估 多模态推理 RAG 模仿学习 综述 信息检索 LLM推理 信用分配 在线策略蒸馏 合成数据 模型压缩
找到 108 条结果
相关性 | 日期

基于多模态扩散语言模型的并行区域感知框架

👍 62

利用扩散语言模型的并行解码特性，实现单次前向传播同时描述多个图像区域

Yueyi Sun, Yuhao Wang, Jason Li, Ye Tian, Tao Zhang, Jacky Mai, Yihan Wang,... 2026-06-22
区域感知 多模态大语言模型 并行生成 扩散语言模型 细粒度视觉理解
✅ 已总结
详情 →

推理再推理：跨视角重访提升空间推理能力

👍 31

提出一种推理-再推理的两阶段框架，通过合成新视角视频验证初始假设，提升第一人称视频空间推理精度。

Chaofan Ma, Zhenjie Mao, Yuhuan Yang, Fanqin Zeng, Yue Shi, Yingjie Zhou,... 2026-06-11
3D几何 多模态大语言模型 空间推理 视频理解 跨视角验证
✅ 已总结
详情 →

VGenST-Bench：基于主动视频合成的时空推理基准

👍 20

首个利用视频生成模型主动合成评测场景的MLLM时空推理基准，揭示当前模型从感知到高阶推理的性能鸿沟

Jinho Park, Youbin Kim, Hogun Park, Eunbyung Park 2026-05-25
主动合成 基准测试 多模态大语言模型 时空推理 视频生成
✅ 已总结
详情 →