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 498 条结果
相关性 | 日期

通过概念空间对齐的统一视觉-语言建模

👍 6

将Sonar文本嵌入空间扩展到图像和视频，实现多模态统一的潜空间推理模型

Yifu Qiu, Paul-Ambroise Duquenne, Holger Schwenk 2026-03-03
多模态学习 多语言处理 嵌入空间对齐 扩散模型 视觉-语言建模
✅ 已总结
详情 →

通过奖励模型增强图像生成中的空间理解

👍 60

提出专用空间奖励模型与数据集，显著提升图像生成的多对象空间关系理解能力

Zhenyu Tang, Chaoran Feng, Yufan Deng, Jie Wu, Xiaojie Li, Rui Wang, Yunpeng... 2026-03-02
奖励模型 强化学习 扩散模型 文本到图像生成 空间关系理解
✅ 已总结
详情 →

三模态掩码扩散模型的设计空间

👍 4

首个统一文本、图像、音频的三模态掩码扩散模型，通过SDE参数化消除最优批量大小搜索

Louis Bethune, Victor Turrisi, Bruno Kacper Mlodozeniec, Pau Rodriguez... 2026-02-26
多模态学习 扩散模型 文本到图像生成 离散扩散 缩放定律
✅ 已总结
详情 →

SeaCache：频谱演化感知缓存加速扩散模型

👍 4

通过频谱演化感知的缓存策略，在保留内容质量的同时加速扩散模型推理

Jiwoo Chung, Sangeek Hyun, MinKyu Lee, Byeongju Han, Geonho Cha, Dongyoon... 2026-02-26
图像生成 扩散模型 推理加速 缓存策略 视频生成
✅ 已总结
详情 →

DODO：离散OCR扩散模型

👍 10

首个利用块离散扩散实现并行解码的OCR视觉语言模型，推理速度提升5倍

Sean Man, Roy Ganz, Roi Ronen, Shahar Tsiper, Shai Mazor, Niv Nayman 2026-02-24
OCR 并行解码 扩散模型 文档理解 视觉语言模型
✅ 已总结
详情 →

用 LoRA 权重基底跨越视觉类比空间

👍 13

提出 LoRWeB，通过可学习的 LoRA 基底和动态编码器组合，实现对未见视觉类比任务的泛化编辑。

Hila Manor, Rinon Gal, Haggai Maron, Tomer Michaeli, Gal Chechik 2026-02-23
Flow Matching LoRA 参数高效微调 图像编辑 扩散模型
✅ 已总结
详情 →