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 74 条结果
相关性 | 日期

SurGe：改进点地图中的表面几何

👍 9

通过邻域注意力解码器和点梯度匹配损失提升单目3D重建的局部表面质量

Karim Knaebel, Gonzalo Martin Garcia, Christian Schmidt, Ilya Fradlin, Lucas... 2026-06-01
3D重建 Transformer 单目深度估计 点地图 表面几何
✅ 已总结
详情 →

迈向原生多模态建模：一份路线图

👍 43

形式化定义"原生多模态",梳理2023–2026年40+模型架构、训练、推理与评估。

Siyu An, Junru Lu, Junnan Dong, Qiufeng Wang, Yinghui Li, Weizhi Fei, Zichao... 2026-05-26
Transformer 原生建模 多模态大模型 综述 路线图
✅ 已总结
详情 →

基于分组自回归Transformer的统一几何学习

👍 8

统一处理多视图配置、多模态融合、长时程感知和度量尺度的几何感知框架

Haotian Wang, Yusong Huang, Zhaonian Kuang, Hongliang Lu, Xinhu Zheng, Meng... 2026-05-21
3D视觉 Transformer 几何感知 多模态 统一模型
✅ 已总结
详情 →

RigidFormer：基于Transformer的刚体动力学学习

👍 14

首个面向点云的物体级Transformer刚体仿真器，速度比HopNet快101倍

Zhiyang Dou, Minghao Guo, Haixu Wu, Doug Roble, Tuur Stuyck, Wojciech Matusik 2026-05-12
Transformer 刚体动力学 无网格学习 点云仿真 神经模拟器
✅ 已总结
详情 →

TT4D：从单目视频重建乒乓球四维时空的流水线与数据集

👍 4

首个能从一般视角广播视频中端到端重建乒乓球 140+ 小时 3D 轨迹、旋转与人体网格的大规模数据集，核心是把 2D 分段留在 3D 提升之后。

Nima Rahmanian, Daniel Kienzle, Thomas Gossard, Dvij Kalaria, Rainer... 2026-05-07
3D 重建 Transformer 数据集 机器人学习 物理仿真
✅ 已总结
详情 →

Parcae：稳定循环语言模型的标度律

👍 10

用动力学系统稳定循环Transformer，并建立可预测的循环标度律。

Hayden Prairie, Zachary Novack, Taylor Berg-Kirkpatrick, Daniel Y. Fu 2026-04-15
Transformer 动力学系统 循环架构 标度律 训练稳定性
✅ 已总结
详情 →