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 498 条结果
相关性 | 日期

视觉生成中文本条件化的缩放特性

👍 37

信息量而非长度才是文本-图像的缩放轴：结构化提示预测扩散损失

Zilong Chen, Chaorui Deng, Kunchang Li, Hongyi Yuan, Haoqi Fan 2026-08-03
强化学习微调 扩散模型 提示增强 文本到图像生成 结构化提示
✅ 已总结
详情 →

PhiZero：围绕物理语言构建的物理世界模型

👍 166

从野外视频自监督学习离散'物理语言'，先推理后渲染的物理世界模型。

Shuyao Shang, Yuqi Wang, Ruopeng Gao, Xu Chen, Tieniu Tan, Lue Fan, Zhaoxiang Zhang 2026-07-31
世界模型 扩散模型 物理世界 自监督学习 视觉语言模型
✅ 已总结
详情 →

用频谱先验降低扩散模型的曝光偏差

👍 6

推理时用FFT频谱对齐校正扩散模型曝光偏差，开销仅3-4%

Yuya Kobayashi, Masato Ishii, Yuhta Takida, Takashi Shibuya, Yuki Mitsufuji 2026-07-27
图像生成 扩散模型 无训练引导 曝光偏差 频谱对齐
✅ 已总结
详情 →

GraphVid：交互式图控制视频生成

👍 7

用可编辑的有向交互图取代轨迹控制，冻结视频DiT加LoRA实现多物体可控生成

Vedant Shah, Onkar Susladkar, Tushar Prakash, Kiet Nguyen, Tianjio Yu,... 2026-07-24
参数高效微调 可控视频生成 图神经网络 场景图 扩散模型
✅ 已总结
详情 →

文本模板Token是扩散Transformer中的隐式语义寄存器

👍 73

Chat模板token是DiT的隐式语义寄存器：语义走S→I→R间接回路，据此剪枝省20%注意力算力

Maohua Li, Qirui Li, Yanke Zhou, Yiduo Li, Zhaosheng Chi, Chao Xu, Cuifeng... 2026-07-22
可解释性 扩散模型 文本到图像生成 模型加速 注意力机制
✅ 已总结
详情 →