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 99 条结果
相关性 | 日期

PhiZero：围绕物理语言构建的物理世界模型

👍 175

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 →

从视频中自监督学习结构化动态表示

👍 20

在冻结图像骨干特征上学习主/残差结构化运动 token，自监督分离相机与物体动态

Lukas Knobel, Andrew Zisserman, Yuki M. Asano 2026-07-24
冻结骨干 自监督学习 视觉Transformer 视频表示学习 运动分解
✅ 已总结
详情 →

面向语言智能的可扩展视觉预训练

👍 55

视觉预训练比文本预训练更高效，用25%token预算提升科学推理性能

Yiming Zhang, Zhonghan Zhao, Wenwei Zhang, Haiteng Zhao, Tianyang Lin,... 2026-07-13
基础模型 多模态学习 科学推理 自监督学习 视觉预训练
✅ 已总结
详情 →

通过音韵激活映射进行音素分割与识别

👍 4

利用自监督语音模型的音韵特征向量，无需梯度下降即可实现音素分割和识别

Shikhar Bharadwaj, Kwanghee Choi, Stephen McIntosh, Chin-Jou Li, Eunjung... 2026-07-13
低资源学习 自监督学习 语音识别 音素分割 音韵学
✅ 已总结
详情 →

TESSERA v2：扩展像素级地球基础模型

👍 3

395次实验揭示地球观测模型缩放规律，蒸馏出高效嵌入产品

Zhengpeng Feng, Sadiq Jaffer, Ira Shokar, Jovana Knezevic, Mark Elvers,... 2026-07-09
MATRYOSHKA嵌入 地球观测 知识蒸馏 缩放定律 自监督学习
✅ 已总结
详情 →

面向密集空间感知的视觉预训练

👍 42

提出边界中心的自监督视觉预训练框架，通过强制掩码边界建模实现强空间理解能力

Zelin Fu, Bin Tan, Changjiang Sun, Shaohui Liu, Kecheng Zheng, Yinghao Xu,... 2026-07-07
密集预测 深度估计 自监督学习 视觉预训练 边界检测
✅ 已总结
详情 →

面向音节切分的说话人解耦分块回归

👍 1

通过说话者解耦的分块回归实现高质量音节标记化，提升语音语言模型性能

Ryota Komatsu, Kota Kawakita, Takuma Okamoto, Takahiro Shinozaki 2026-07-07
自监督学习 语音标记化 语音语言模型 说话者解耦 音节发现
✅ 已总结
详情 →

MuSViT：乐谱表示的基础视觉模型

👍 9

首个通过MAE在970万页IMSLP乐谱上预训练的ViT基础模型

Carlos Penarrubia, Antonio Rios-Vila, Eliseo Fuentes-Martinez, Juan C.... 2026-07-01
乐谱识别 掩码图像建模 自监督学习 视觉Transformer 计算机视觉
✅ 已总结
详情 →