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 104 条结果
相关性 | 日期

音频-视觉大语言模型真的能看见和听见吗？

👍 7

首项AVLLMs机械可解释性研究，揭示视觉主导的模态偏向机制

Ramaneswaran Selvakumar, Kaousheik Jayakumar, S Sakshi, Sreyan Ghosh, Ruohan... 2026-04-07
因果中介分析 多模态大语言模型 机械可解释性 模态偏见 注意力机制
✅ 已总结
详情 →

ResAdapt：自适应分辨率的高效多模态推理框架

👍 20

通过输入侧自适应分辨率分配，在消除90%视觉token的同时保持或超越基线性能

Huanxuan Liao, Zhongtao Jiang, Yupu Hao, Yuqiao Tan, Shizhu He, Jun Zhao,... 2026-03-31
多模态大语言模型 强化学习 自适应推理 视频理解 计算效率
✅ 已总结
详情 →

LVOmniBench：开创性的长音频视频理解评估基准

👍 29

首个长音频视频理解基准，评估多模态大模型的跨模态长时理解能力

Keda Tao, Yuhua Zheng, Jia Xu, Wenjie Du, Kele Shao, Hesong Wang, Xueyi... 2026-03-20
基准评估 多模态大语言模型 跨模态推理 长视频理解 音视频理解
✅ 已总结
详情 →

Video-CoE：通过事件链强化视频事件预测

👍 91

提出Chain of Events范式，通过构建时序事件链提升MLLM的视频事件预测能力

Qile Su, Jing Tang, Rui Chen, Lei Sun, Xiangxiang Chu 2026-03-19
事件预测 多模态大语言模型 强化学习 时序建模 视频理解
✅ 已总结
详情 →