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

DreamStyle: 视频风格化的统一框架

👍 24

首个支持文本/风格图/首帧三种引导方式的统一视频风格化框架

Mengtian Li, Jinshu Chen, Songtao Zhao, Wanquan Feng, Pengqi Tu, Qian He 2026-01-07
LoRA 多模态融合 扩散模型 条件注入 视频风格化
✅ 已总结
详情 →

DiffThinker：基于扩散模型的生成式多模态推理框架，将多模态推理从符号空间重新定义为视觉空间的原生图像生成任务

👍 53

将多模态推理重新定义为图像到图像生成任务，在长时程视觉推理任务上显著超越SOTA MLLMs，实现了高效、可控、并行且可协作的推理范式

Zefeng He, Xiaoye Qu, Yafu Li, Tong Zhu, Siyuan Huang, Yu Cheng 2026-01-02
多模态推理 序列规划 扩散模型 组合优化 视觉推理
✅ 已总结
详情 →

离散性在扩散大语言模型中的作用

👍 18

分析扩散语言模型的理论框架，揭示连续与离散方法的结构性权衡

Ziqi Jin, Bin Wang, Xiang Lin, Lidong Bing, Aixin Sun 2026-01-02
大语言模型 扩散模型 理论分析 语言建模
✅ 已总结
详情 →

SpaceTimePilot：跨时空动态场景的生成式渲染

👍 16

首个实现相机运动与时间序列完全解耦的视频扩散模型，支持从单目视频生成自由时空探索的新视角视频。

Zhening Huang, Hyeonho Jeong, Xuelin Chen, Yulia Gryaditskaya, Tuanfeng Y.... 2026-01-01
扩散模型 时空解耦 相机控制 神经渲染 视频生成
✅ 已总结
详情 →

利用自身内部动态引导扩散Transformer

👍 8

通过引入中间层监督和内部引导机制，显著提升扩散Transformer的生成质量和训练效率

Xingyu Zhou, Qifan Li, Xiaobin Hu, Hai Chen, Shuhang Gu 2026-01-01
Transformer 内部引导 扩散模型 生成质量提升 采样引导
✅ 已总结
详情 →