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

FlowAct-R1：迈向实时交互式人形视频生成

👍 78

基于MMDiT的实时流式人形视频生成框架，25fps低延迟交互，支持任意时长

Lizhen Wang, Yongming Zhu, Zhipeng Ge, Youwei Zheng, Longhao Zhang, Tianshu... 2026-01-16
人形动画 多模态融合 实时交互 扩散模型 视频生成
✅ 已总结
详情 →

VIBE：基于视觉指令的图像编辑器

👍 64

紧凑高效的指令式图像编辑系统，2B VLM+1.6B扩散模型，4秒生成2K图像

Grigorii Alekseenko, Aleksandr Gordeev, Irina Tolstykh, Bulat Suleimanov,... 2026-01-16
图像编辑 扩散模型 指令跟随 视觉语言模型 高效推理
✅ 已总结
详情 →

Alterbute：编辑图像中物体的内在属性

👍 31

基于扩散模型，通过VNE和宽松训练目标编辑物体内在属性。

Tal Reiss, Daniel Winter, Matan Cohen, Alex Rav-Acha, Yael Pritch, Ariel... 2026-01-16
图像编辑 属性编辑 扩散模型 视觉命名实体 身份保持
✅ 已总结
详情 →

视频生成中的运动归因：MOTIVE框架

👍 72

提出MOTIVE框架，通过运动加权梯度归因识别影响视频生成运动质量的训练片段。

Xindi Wu, Despoina Paschalidou, Jun Gao, Antonio Torralba, Laura Leal-Taixé,... 2026-01-14
扩散模型 数据归因 梯度方法 视频生成 运动归因
✅ 已总结
详情 →