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 329 条结果
相关性 | 日期

学会如何记忆：GUI智能体的记忆模态选择

👍 36

最优记忆模态随交互步骤变化，SwitchMem据此逐步动态路由文本或图像记忆

Taeyun Roh, Suhyeong Park, Gijin Kim, Wonjune Jang, Jaewoo Kang 2026-10-14
GUI智能体 多模态路由 经验复用 视觉语言模型 记忆增强
✅ 已总结
详情 →

狭窄多模态微调可诱发涌现性失对齐

👍 3

在无害的图像-文本对上做狭窄微调，就能让视觉语言模型在无关任务上广泛失对齐

Shunchang Liu, Lukas Fluri, Xin Chen, Francesco Croce 2026-10-13
AI安全 参数高效微调 多模态 模型对齐 涌现性失对齐
✅ 已总结
详情 →

VIEScore2：带空间定位解释的统一图像评估器

👍 15

单一模型同时输出质量分数、16×16缺陷网格与可读解释，统一生成与编辑评估

Xianda Du, Max Ku, Weiming Ren, Zhi Rui Tam, Chunlin Ren, Ping Nie, Min-Hung... 2026-10-08
GRPO强化学习 可解释性 图像评估 缺陷定位 视觉语言模型
✅ 已总结
详情 →

CADFather：通过协调工具使用实现自主CAD重建

👍 13

VLM助手调度学习、算法、优化三类工具，从网格零失败重建可编辑CAD程序，六基准全面领先

Gennadiy Savrasov, Maksim Elistratov, Nikita Gavrilov, Albert Garifullin,... 2026-10-08
CAD重建 参数优化 工具使用 智能体 视觉语言模型
✅ 已总结
详情 →

基于层次化程序理解提升主动式AI辅助

👍 11

用相位-步骤-动作三层结构指导数据微调VLM，让AI助手既懂开口时机又会调整指导粒度。

Jin-Seop Lee, TaeYeon Won, SeongJun Jung, JungHoon Kim, Boyang Albert Li,... 2026-10-08
主动式AI助手 层次化程序理解 数据集与基准 流式视频理解 视觉语言模型
✅ 已总结
详情 →

Video2Skill：从流式经验到可复用的具身技能

👍 10

提出SESD任务与Video2Skill基准，揭示VLM难以从流式视频中积累可复用技能

Jianshu Zhang, Ce Zhang, Xiyuan Yang, Chenwei Xu, Haoran Lu, Yijiang Li,... 2026-10-06
具身智能 基准评测 技能发现 视觉语言模型 视频理解
✅ 已总结
详情 →

LoopVL：循环视觉智能

👍 41

用共享参数的嵌套循环Transformer迭代精炼视觉语言状态，1B模型比肩数倍大的稠密VLM

Zhe Qian, Ziyang Gong, Zhongxing Xu, Hehan Li, Zhonghua Wang, Fei Luo,... 2026-10-01
参数共享 可解释性 多模态推理 循环Transformer 视觉语言模型
✅ 已总结
详情 →

PanoVLN：迈向高效的全景视觉语言导航

👍 33

全景输入+长序列规划+不确定性执行+几何融合，导航成功率大幅刷新SOTA

Zhen Wang, Changpeng Wang, Zhe Liu, Zhangyang Qi, Yuxiang Lu, Zimo Zeng,... 2026-09-30
全景感知 具身智能 机器人导航 视觉语言导航 视觉语言模型
✅ 已总结
详情 →