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 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 具身智能 流匹配 LLM Agent 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 基准评测 工具使用 自监督学习 Transformer 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 视觉推理 扩散语言模型 3D重建 Flow Matching RAG 自回归模型 参数高效微调 LoRA 视觉-语言-动作模型 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 456 条结果
相关性 | 日期

LoL：比更长还长，将视频生成扩展至小时级

👍 23

通过多头RoPE抖动解决自回归视频生成中的注意力坍塌问题，首次实现12小时连续流式视频生成

Justin Cui, Jie Wu, Ming Li, Tao Yang, Xiaojie Li, Rui Wang, Andrew Bai,... 2026-01-30
Transformer 位置编码 扩散模型 自回归模型 视频生成
✅ 已总结
详情 →

基于像素均值流的单步无潜变量图像生成

👍 18

提出pMF方法实现单步无潜变量图像生成，ImageNet 256×256达2.22 FID

Yiyang Lu, Susie Lu, Qiao Sun, Hanhong Zhao, Zhicheng Jiang, Xianbang Wang,... 2026-01-30
Flow Matching 像素空间生成 单步生成 图像生成 扩散模型
✅ 已总结
详情 →

推进开源世界模型

👍 135

开源世界模型LingBot-World，支持分钟级实时交互世界模拟

Robbyant Team, Zelin Gao, Qiuyu Wang, Yanhong Zeng, Jiapeng Zhu, Ka Leong... 2026-01-29
世界模型 交互式模拟 具身AI 开源 扩散模型
✅ 已总结
详情 →

OmniTransfer：统一的时空视频迁移框架

👍 48

OmniTransfer：三模块统一框架实现多任务时空视频迁移

Pengze Zhang, Yanze Wu, Mengtian Li, Xu Bai, Songtao Zhao, Fulong Ye, Chong... 2026-01-21
多任务学习 扩散模型 时空一致性 视觉特效 视频生成
✅ 已总结
详情 →

FrankenMotion: 部件级人体动作生成与组合

👍 19

利用LLM构建部件级动作数据集，实现细粒度时空控制的扩散模型动作生成

Chuqiao Li, Xianghui Xie, Yong Cao, Andreas Geiger, Gerard Pons-Moll 2026-01-19
LLM数据标注 人体动作生成 扩散模型 文本驱动生成 部件级控制
✅ 已总结
详情 →

未来光流预测提升机器人控制与视频生成

👍 19

统一VLM-Diffusion架构从网络视频学习语言驱动的未来光流预测，赋能机器人操控和视频生成

Kanchana Ranasinghe, Honglu Zhou, Yu Fang, Luyu Yang, Le Xue, Ran Xu,... 2026-01-19
光流预测 扩散模型 机器人操控 视觉语言模型 视频生成
✅ 已总结
详情 →