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 60 条结果
相关性 | 日期

ETCHR：用编辑来澄清和驾驭视觉推理

👍 13

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →

视频模型可通过可验证奖励进行推理

👍 11

VideoRLVR框架用可验证奖励优化视频模型，提升规则验证任务的推理能力

Tinghui Zhu, Sheng Zhang, James Y. Huang, Selena Song, Xiaofei Wen, Yuankai... 2026-05-20
Flow-Matching 强化学习 扩散模型 视觉推理 视频生成
✅ 已总结
详情 →

通过工具监督强化学习实现视觉推理

👍 4

用两阶段RL课程让多模态大模型自主掌握视觉工具调用以解决复杂视觉推理

Qihua Dong, Gozde Sahin, Pei Wang, Zhaowei Cai, Robik Shrestha, Hao Yang,... 2026-04-23
GRPO 多模态大模型 工具调用 强化学习 视觉推理
✅ 已总结
详情 →

面向高效视觉推理的自适应推理路径学习

👍 10

提出 AVR 框架，让视觉推理模型按任务复杂度动态选择直接回答、感知或完整推理三种格式，token 消耗降低 50–90%。

Yixu Huang, Tinghui Zhu, Muhao Chen 2026-04-20
GRPO 多模态大模型 强化学习 推理效率 视觉推理
✅ 已总结
详情 →

Vero：通用视觉推理的开放强化学习训练框架

👍 34

提出完全开源的视觉推理训练方案，通过六类任务的多任务RL实现广泛能力提升

Gabriel Sarch, Linrong Cai, Qunzhong Wang, Haoyang Wu, Danqi Chen, Zhuang Liu 2026-04-07
多任务学习 开放源代码 强化学习 视觉推理 视觉语言模型
✅ 已总结
详情 →

MuSEAgent：一种具有有状态经验的多模态推理智能体

👍 23

将多模态智能体的交互轨迹解耦为原子级状态-动作经验，通过深度-广度搜索实现精准决策指导

Shijian Wang, Jiarui Jin, Runhao Fu, Zexuan Yan, Xingjian Wang, Mengkang Hu,... 2026-03-31
多模态智能体 工具使用 检索增强推理 经验学习 视觉推理
✅ 已总结
详情 →