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 210 条结果
相关性 | 日期

TimeLens2：基于多模态大模型的通用视频时序定位

👍 165

把时序证据当区间集，从数据验证到 Wasserstein 奖励全程对齐，小模型全面超越超大模型。

Yuhan Zhu, Changlian Ma, Xiangyu Zeng, Xinhao Li, Zhiqiu Zhang, Songze Li,... 2026-07-21
Wasserstein距离 合成数据验证 多模态大模型 强化学习奖励设计 视频时序定位
✅ 已总结
详情 →

OvisOCR2 技术报告：0.8B 端到端文档解析模型

👍 54

0.8B端到端文档解析模型，靠数据引擎+多组件RL奖励+策略蒸馏刷新多项OCR榜单

Shiyin Lu, Yinglun Li, Yu Xia, Yuhui Chen, An-Yang Ji, Jun-Peng Jiang,... 2026-07-16
OCR 多模态大模型 强化学习 文档解析 知识蒸馏
✅ 已总结
详情 →

逐 Token 关注多模态生成过程

👍 8

系统刻画MLLM生成时逐token注意力动态，并用注意力阻断与增强干预验证因果并提升性能

Varun Gupta, Vineet Gandhi, Makarand Tapaswi 2026-07-08
多模态大模型 机制可解释性 注意力干预 注意力机制 自回归生成
✅ 已总结
详情 →

感知到推理：细粒度视觉推理中感知与推理的解耦

👍 18

提出P2R框架，将细粒度视觉推理解耦为感知定位和推理回答两个阶段，仅需最终答案监督

Hongxing Li, Xiufeng Huang, Dingming Li, Wenjing Jiang, Zixuan Wang, Haolei... 2026-07-02
多模态大模型 强化学习 感知推理解耦 细粒度视觉理解 视觉推理
✅ 已总结
详情 →