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 313 条结果
相关性 | 日期

面向GUI智能体的潜在世界动作模型

👍 21

把GUI世界建模从重建未来屏幕改为潜在空间预测动作后果，成功率最高+12.5点、延迟降低98.9%

Seungjun Yu, Hojun Choi, Seojeong Park, Jaeyo Shin, Hyunjung Shim 2026-10-14
GUI Agent 世界模型 多模态大模型 对比学习 移动端自动化
✅ 已总结
详情 →

WOVEN：将视觉世界建模编织进多模态大语言模型

👍 8

用视频生成模型批量构造可控$(s,a,s')$转换监督，证明视觉转换推理是可跨任务迁移的共享训练原语

Zheyu Fan, Yue Zhang, Mingkai Deng, Kangrui Wang, Qineng Wang, Canyu Chen,... 2026-10-13
合成数据 基准数据集 多模态大模型 视觉世界模型 视觉转换推理
✅ 已总结
详情 →

视觉语言模型中的视觉定位安全性

👍 5

VLM文本问答会拒绝有害请求，定位输出却照做；定向微调将定位拒绝率提升64-95个百分点

Erfan Shayegani, Kundan Krishna, Yue Dong, Nael Abu-Ghazaleh, Leon Gatys,... 2026-10-13
VLM安全 多模态大模型 安全对齐 安全微调 视觉定位
✅ 已总结
详情 →

S-Space：探索多模态语言模型中的内部空间工作区

👍 52

发现多模态大模型内部存在三维线性空间工作区，坐标可读出可编辑，空间推理瓶颈在视角变换计算。

Zhiyuan Shi, Xiang Li, Xingzhuo Guo, Shangchen Miao, Weiliang Chen, Qiyu... 2026-10-12
因果干预 多模态大模型 机制可解释性 空间推理 线性表征
✅ 已总结
详情 →

V-CoLA：基于线性注意力的视觉 Token 压缩

👍 10

从线性注意力状态递归中挖掘内在 token 重要性信号，训练免费压缩视觉 token

Hao Jiang, Yiru Mao, Tianpeng Bu, Hao Zhou, Hongtao Duan, Wang Jing, Bowen... 2026-10-09
多模态大模型 推理加速 混合架构 线性注意力 视觉Token压缩
✅ 已总结
详情 →

基于证据对齐读出的多模态嵌入学习

👍 10

将生成的语义证据边界作为嵌入读出位置，12项MMEB检索任务平均Recall@1达76.9%

Zirong Chen, Fuda Ye, Enjun Du, Junfu Pu, Xinlei Wang, Xinyu Zuo, Lisheng... 2026-10-08
多模态大模型 多模态嵌入 对比学习 表示读出 跨模态检索
✅ 已总结
详情 →

OmniReasoning：突破音视频联合推理的极限

👍 26

构建真正需要音视频协同的基准、11.2万条证据接地数据与模态分解自蒸馏训练方法，提升全模态联合推理

Junming Lin, Yuxuan Wang, Zhenxin Lei, Yuxin Liu, Ruixun Liu, Yinsong Yan,... 2026-10-06
基准评测 多模态大模型 强化学习 数据引擎 自蒸馏
✅ 已总结
详情 →