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

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 →