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

面向扩散模型的高效文本引导卷积适配器

👍 8

提出Nexus适配器，通过跨注意力融合文本与结构，实现高效条件生成

Aryan Das, Koushik Biswas, Swalpa Kumar Roy, Badri Narayana Patro, Vinay Kumar Verma 2026-02-19
图像生成 扩散模型 条件生成 跨注意力 适配器
✅ 已总结
详情 →

TADA！通过激活转向微调音频扩散模型

👍 2

发现音频扩散模型存在语义瓶颈层，局部激活转向实现最优音乐概念控制

Łukasz Staniszewski, Katarzyna Zaleska, Mateusz Modrzejewski, Kamil Deja 2026-02-16
可解释性 扩散模型 激活转向 音乐控制 音频生成
✅ 已总结
详情 →

PISCO：基于稀疏控制的精确视频实例插入

👍 13

提出视频扩散模型PISCO，用稀疏关键帧控制实现精确的视频物体插入

Xiangbo Gao, Renjie Li, Xinghao Chen, Yuheng Wu, Suofei Feng, Qing Yin, Zhengzhong Tu 2026-02-13
实例插入 扩散模型 稀疏控制 视频生成 视频编辑
✅ 已总结
详情 →

Stemphonic：一次性灵活多音轨音乐生成

👍 2

基于扩散模型的多音轨同步生成框架，推理速度提升25-50%

Shih-Lun Wu, Ge Zhu, Juan-Pablo Caceres, Cheng-Zhi Anna Huang, Nicholas J. Bryan 2026-02-13
Flow Matching 多音轨 扩散模型 音乐生成 音频分离
✅ 已总结
详情 →