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 56 条结果
相关性 | 日期

dots.tts 技术报告

👍 16

首个20亿参数的连续自回归TTS基础模型，解决长序列误差累积问题，达到开源SOTA性能

Shi Lian, Changtao Li, Bohan Li, Hankun Wang, Da Zheng, Junfeng Tian, Yufeng... 2026-06-08
Flow Matching 自回归生成 语音合成 连续潜在空间 零样本声音克隆
✅ 已总结
详情 →

AvatarPointillist：自回归4D高斯头像生成框架

👍 12

使用自回归Transformer逐点生成3D高斯点云，实现从单张图像生成可驱动的4D头像

Hongyu Liu, Xuan Wang, Yating Wang, Zijian Wu, Ziyu Wan, Yue Ma, Runtao Liu,... 2026-04-07
3D重建 Transformer 头像动画 自回归生成 高斯Splatting
✅ 已总结
详情 →

CaTok：用 MeanFlow 驯服一维因果图像分词

👍 6

提出带 MeanFlow 解码器的 1D 因果图像分词器，平衡令牌因果性与解码效率。

Yitong Chen, Zuxuan Wu, Xipeng Qiu, Yu-Gang Jiang 2026-03-10
MeanFlow 图像分词 扩散自编码器 自回归生成 视觉因果性
✅ 已总结
详情 →

PixARMesh：自回归网格原生单视图室内场景重建

👍 2

首个直接在网格空间自回归做单视图场景重建的框架，一次前向同时预测物体位姿与几何。

Xiang Zhang, Sohyun Yoo, Hongrui Wu, Chuan Li, Jianwen Xie, Zhuowen Tu 2026-03-09
3D场景重建 像素对齐特征 组合式生成 网格生成 自回归生成
✅ 已总结
详情 →

MIBURI：迈向富有表现力的交互式手势合成

👍 4

首个在线因果框架，用于生成与实时对话同步的全身手势和面部表情。

M. Hamza Mughal, Rishabh Dabral, Vera Demberg, Christian Theobalt 2026-03-05
具身对话代理 因果模型 实时交互 手势生成 自回归生成
✅ 已总结
详情 →