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 123 条结果
相关性 | 日期

MoTE：面向多任务视频理解的混合任务专家

👍 2

把LLM前馈层改造成任务专家，任务级路由让1B模型超越8B基线且可即插即拔增删任务。

Muhammad Asad Ali, Umar Khan, Nadia Robertini, Didier Stricker 2026-08-26
多任务学习 多模态大模型 模块化架构 混合专家 视频理解
✅ 已总结
详情 →

面向开放视频流的实体导向多模态记忆系统

👍 25

实体导向的多模态长期记忆系统，感知流并围绕实体组织记忆，六项基准全部最优

Xiaokang Ma, Yifan Sun, Zhihong Jin, Jie Gu, Yudong Luo, Shenyi Shao, Chu... 2026-07-21
多模态记忆 实体识别 流式感知 视频理解 长期记忆
✅ 已总结
详情 →

Video-Oasis：重新审视视频理解评估

👍 65

提出诊断套件审核基准测试，发现55%样本存在捷径，暴露Video-LLM真正差距

Geuntaek Lim, Sungjune Park, Jaeyun Lee, Inwoong Lee, Taeoh Kim, Dongyoon... 2026-07-10
Video-LLM 基准测试审核 时空推理 视频理解 评估方法
✅ 已总结
详情 →

缓解零样本组合动作识别中的物体驱动捷径

👍 47

通过共现先验正则化和时间顺序正则化缓解ZS-CAR中的物体驱动捷径

Geo Ahn, Inwoong Lee, Taeoh Kim, Minho Shim, Dongyoon Wee, Jinwoo Choi 2026-07-10
快捷径学习 组合动作识别 视觉-语言模型 视频理解 零样本学习
✅ 已总结
详情 →