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 114 条结果
相关性 | 日期

DyCo-RL：用于视觉推理的动态跨模态协调机制

👍 16

利用Fisher-Rao距离检测注意力转移，动态重加权token级优势以提升MLLM跨模态推理。

Hangui Lin, Yan Shu, Zhengyang Liang, Chi Liu, Xiangrui Liu, Minghao Qin,... 2026-06-11
多模态大模型 强化学习 注意力机制 视觉推理 跨模态协调
✅ 已总结
详情 →

SwiftVR：实时单步生成式视频恢复

👍 17

首个在消费级GPU上实现实时1080p视频恢复的单步生成模型

Jiaqi Yan, Xiangyu Chen, Xinlin Zhong, Haibin Huang, Chi Zhang, Jie Liu,... 2026-06-09
实时推理 注意力机制 生成式模型 视频恢复
✅ 已总结
详情 →

当图Token下沉：图语言模型的机制分析

👍 3

揭示图语言模型中图sink token的激活模式与语义效用解耦现象

Ding Zhang, Runtao Zhou, Wenqing Zheng, Rizal Fathony, Bayan Bruss, Chirag Agarwal 2026-06-04
Transformer分析 图表示学习 图语言模型 机制可解释性 注意力机制
✅ 已总结
详情 →

功能注意力：从成对亲和度到功能对应关系

👍 2

将注意力重新解释为函数空间之间的线性算子，实现高效且分辨率无关的算子学习

Jiefang Xiao, Maolin Gao, Simon Weber, Guandao Yang, Daniel Cremers 2026-06-04
PDE求解 函数映射 注意力机制 神经网络算子 算子学习
✅ 已总结
详情 →