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 144 条结果
相关性 | 日期

DataClaw0：智能体裁剪原始流的多模态数据

👍 74

提出智能体数据裁剪框架，将高熵原始多模态流转换为意图对齐的结构化训练数据

Cong Wan, Zeyu Guo, Zijian Cai, Jiangyang Li, SongLin Dong, Lin Peng,... 2026-06-23
多模态学习 强化学习 数据合成 数据工程 智能体
✅ 已总结
详情 →

文本-视觉协同指导的图像编辑

👍 19

联合文本语义和视觉空间提示实现精准意图感知的图像编辑

Chenxi Xie, Yuhui Wu, Qiaosi Yi, Lei Zhang 2026-06-17
图像编辑 多模态学习 扩散模型 计算机视觉
✅ 已总结
详情 →

MotionVLA：用于人形运动的视觉-语言-动作模型

👍 5

提出双流频率标记器和MotionVLA框架，解决人形运动生成中姿态语义与物理动态的频域不匹配问题

Nonghai Zhang, Siyu Zhai, Yanjun Li, Zeyu Zhang, Zhihan Yin, Yandong Guo,... 2026-06-17
人形运动生成 多模态学习 自回归生成 视觉-语言-动作模型 频域标记化
✅ 已总结
详情 →

用大语言模型对齐量子算子

👍 4

首次将量子酉算子直接映射到LLM潜在空间，实现量子电路综合与语言条件化控制

Rogerio Feris, Yunchao Liu, Pengyuan Li, Hang Hua, David Kremer 2026-06-17
Clifford+T合成 多模态学习 大语言模型 量子电路综合 量子计算
✅ 已总结
详情 →