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 144 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

👍 4

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

👍 39

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

👍 1

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

👍 63

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

👍 11

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

👍 33

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 →