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 145 条结果
相关性 | 日期

通过权重空间元学习实现机器人策略适应

👍 5

从语言和视频证据直接生成LoRA适配器，实现零样本机器人策略适应

Christian Bianchi, Siamak Yousefi, Alessio Sampieri, Andrea Roberti, Luca... 2026-06-09
元学习 参数生成 多模态学习 机器人操作 策略适应
✅ 已总结
详情 →

VideoKR：面向知识与推理密集型视频理解

👍 35

首个面向知识与推理密集型视频理解的大规模训练语料库，通过技能导向的QA生成框架和严格质量控制，显著提升模型在知识密集型视频推理任务上的表现

Lin Fu, Zheyuan Yang, Yang Wang, Tingyu Song, Arman Cohan, Yilun Zhao 2026-06-05
后训练 多模态学习 数据集构建 知识密集推理 视频理解
✅ 已总结
详情 →

基于大语言模型的多模态音乐推荐系统

👍 2

提出融合音频、歌词、语义元数据和用户参与度信号的多模态音乐推荐框架，在LLaMA-3-70B等大模型上验证了多模态特征可提升Recall达95%、NDCG达79%

Srikar Prabhas Kandagatla, Sreehitha R. Narayana, Chandana Magapu, Swetha... 2026-06-05
元数据增强 多模态学习 大语言模型 序列推荐 音乐推荐
✅ 已总结
详情 →

表示强制：无瓶颈统一多模态模型

👍 61

通过预测理解表示来指导像素空间生成，消除VAE瓶颈

Yuqing Wang, Zhijie Lin, Ceyuan Yang, Yang Zhao, Fei Xiao, Hao He, Qi Zhao,... 2026-06-01
图像生成 多模态学习 扩散模型 端到端训练
✅ 已总结
详情 →

万物计数：跨领域文本引导的通用物体计数

👍 7

提出双粒度计数架构，结合区域级稀疏计数和像素级密集计数，在六个视觉领域实现高精度文本引导计数

Mengqi Lei, Shuokun Cheng, Wei Bao, Shaoyi Du, Jun-Hai Yong, Siqi Li, Yue Gao 2026-06-01
多模态学习 实例定位 点回归 物体计数 跨领域泛化
✅ 已总结
详情 →

用于生成的原生音频-视频对齐

👍 30

提出NAVA框架，通过原生音频-视频对齐实现高质量联合音视频生成

Longbin Ji, Guan Wang, Xuan Wei, Chenye Yang, Xiangrui Liu, Zhenyu Zhang,... 2026-05-29
MMDiT 多模态学习 扩散模型 音色控制 音视频生成
✅ 已总结
详情 →