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 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 582 条结果
相关性 | 日期

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 →

面向扩散模型的高效文本引导卷积适配器

👍 9

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 →