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 86 条结果
相关性 | 日期

DREAM：在单一模型中统一视觉理解与文生图生成

👍 6

用 Masking Warmup 把 CLIP 对比学习与文生图生成在单阶段端到端模型中真正统一，并带来推理时自导向的语义对齐解码。

Chao Li, Tianhong Li, Sai Vidyaranya Nuthalapati, Hong-You Chen, Satya... 2026-03-04
ViT 多模态 对比学习 扩散模型 掩码图像建模
✅ 已总结
详情 →

OmniGAIA：迈向原生全模态AI智能体

👍 53

提出全模态智能体基准OmniGAIA和原生全模态基础智能体OmniAtlas

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, Shijian Wang, Guanting Dong, Jiajie... 2026-02-27
基准测试 多模态 工具使用 推理 智能体
✅ 已总结
详情 →

UniT：统一多模态思维链测试时缩放

👍 20

通过思维链推理实现统一多模态模型的测试时迭代优化

Leon Liangyu Chen, Haoyu Ma, Zhipeng Fan, Ziqi Huang, Animesh Sinha,... 2026-02-18
图像生成 图像编辑 多模态 思维链 测试时缩放
✅ 已总结
详情 →

DeepSight: 一站式大模型安全工具包

👍 15

整合安全评估与内部诊断的开源工具包，实现从黑盒测试到白盒洞察的范式转变

Bo Zhang, Jiaxuan Guo, Lijun Li, Dongrui Liu, Sujin Chen, Guanxu Chen,... 2026-02-13
前沿AI风险 可解释性 多模态 大模型安全 安全评估
✅ 已总结
详情 →

大规模适配视觉语言模型以理解电子商务

👍 13

系统性研究如何将通用VLM适配到电商领域，在保留通用能力的同时大幅提升商品理解性能

Matteo Nulli, Vladimir Orshulevich, Tala Bazazo, Christian Herold, Michael... 2026-02-13
多模态 微调 电商 视觉语言模型 领域适配
✅ 已总结
详情 →

端到端大型音频语言模型 Covo-Audio 技术报告

👍 15

一个7B参数的端到端大型音频语言模型，通过分层三模态交错和智能-说话人解耦技术，在语音对话和音频理解任务上实现SOTA性能。

Wenfu Wang, Chenxing Li, Liqiang Zhang, Yiyang Zhao, Yuxiang Zou, Hanzhao... 2026-02-11
全双工 多模态 对话系统 端到端 语音交互
✅ 已总结
详情 →