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 323 条结果
相关性 | 日期

AVA-Encoder：迈向智能体原生视频表示学习

👍 41

把电影编码为可编辑的电影知识图谱，用重构残差驱动双环文本梯度自进化

Chuyue Li, Jinpeng Yu, Haozhe Wang, Tian Xueyun, Zhijing Zhang, Bingnan Li,... 2026-08-14
文本梯度优化 智能体 知识图谱 视频生成 视频表示学习
✅ 已总结
详情 →

UniSwap：说话视频的流式音视频联合身份替换

👍 22

首个流式音视频联合身份替换框架：单一扩散模型同步换脸换声，3步采样13.6 FPS

Yuxuan Zhang, Haozhong Xiong, Jiayi Song, Jinpeng Yu, Yang Shi, Jiaming Liu,... 2026-08-14
LoRA 扩散模型蒸馏 流式自回归生成 视频生成 语音转换
✅ 已总结
详情 →

PhiZero：围绕物理语言构建的物理世界模型

👍 166

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 →

Flux-OPD：用演化上下文做在线策略蒸馏

👍 43

通过反向KL分解，把演化上下文作为在线监督信号注入蒸馏目标。

Yuran Wang, Zekun Wang, Bohan Zeng, Ruixu Zhang, Wenxuan Liu, Liu Yang,... 2026-07-31
上下文蒸馏 医学问答 反向KL分解 在线策略蒸馏 大语言模型
✅ 已总结
详情 →

面向快速图像与视频生成的并行解码蒸馏

👍 14

训练并行解码器，用单次前向同时预测多个去噪步的速度，实现少步、高质、高多样性的扩散与流模型蒸馏。

Neta Shaul, Chao Liu, Arash Vahdat, Julius Berner 2026-07-29
图像生成 少步采样 扩散蒸馏 流匹配 视频生成
✅ 已总结
详情 →

重新审视策略内扩散蒸馏中的无分类器引导

👍 75

揭示CFG组合OPD的分支歧义缺陷，提出分支感知的PDM目标稳定跨尺度蒸馏

Bingnan Li, Haozhe Wang, Haozhong Xiong, Fangtai Wu, Jinpeng Yu, Yang Shi,... 2026-07-28
CFG 扩散模型蒸馏 无分类器引导 策略内蒸馏 视频生成
✅ 已总结
详情 →

ID-V2V：保持身份的视频重新风格化

👍 10

把身份保持建模为视频重打光，用重打光人脸+法线+关键帧+深度联合控制，实现关键帧编辑的逐帧扩散传播。

Yuancheng Xu, Mingming He, Pablo Salamanca, Li Ma, Yash Kant, Emmett Steven,... 2026-07-27
ControlNet 人脸动画 扩散Transformer 视频到视频 视频生成
✅ 已总结
详情 →