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 81 条结果
相关性 | 日期

看见快与慢：学习视频中的时间流

👍 19

把时间做成可学习概念，教会模型感知并按指定播放速度生成视频

Yen-Siang Wu, Rundong Luo, Jingsen Zhu, Tao Tu, Ali Farhadi, Matthew... 2026-04-24
慢动作数据集 扩散模型 时间建模 自监督学习 视频理解
✅ 已总结
详情 →

MARCO：探索语义对应中未见的特征空间

👍 5

基于 DINOv2 的统一对应模型，用粗到细目标+稠密自蒸馏实现 SOTA 且小 3 倍快 10 倍。

Claudia Cuttano, Gabriele Trivigno, Carlo Masone, Stefan Roth 2026-04-21
DINOv2 图像匹配 自监督学习 计算机视觉 语义对应
✅ 已总结
详情 →

V-GIFT：用自监督引导增强视觉指令微调

👍 11

把少量自监督任务伪装成指令，迫使多模态大模型真正用眼睛看。

Sophia Sirko-Galouchenko, Monika Wysoczanska, Andrei Bursuc, Nicolas Thome,... 2026-04-17
LLaVA 多模态大模型 自监督学习 视觉中心推理 视觉指令微调
✅ 已总结
详情 →

零样本世界模型是发育高效的学习者

👍 7

ZWM用单儿童868小时第一人称视频训练,无需任务标签即可零样本完成光流/深度/分割/物理推理

Khai Loong Aw, Klemen Kotar, Wanhee Lee, Seungwoo Kim, Khaled Jedoui, Rahul... 2026-04-14
世界模型 儿童视觉发育 因果推断 脑-模型对齐 自监督学习
✅ 已总结
详情 →

TC-AE：解锁深度压缩自编码器的 token 容量

👍 18

首次从 token 空间视角解决深度压缩自编码器的表征坍缩问题

Teng Li, Ziyuan Huang, Cong Chen, Yangfu Li, Yuanhuiyi Lyu, Dandan Zheng,... 2026-04-09
Vision Transformer 图像生成 扩散模型 自监督学习 视觉 tokenizer
✅ 已总结
详情 →

INSID3：基于 DINOv3 的训练无关上下文分割

👍 7

仅用 DINOv3 特征实现训练无关的 one-shot 语义/部分/个性化分割，超越现有方法 7.5% mIoU

Claudia Cuttano, Gabriele Trivigno, Christoph Reich, Daniel Cremers, Carlo... 2026-03-31
DINOv3 上下文分割 自监督学习 语义对应 零样本学习
✅ 已总结
详情 →

MOOZY：以患者为中心的计算病理学基础模型

👍 6

首个显式建模患者多切片关系的病理学基础模型，通过两阶段框架在16个任务上超越基线模型

Yousef Kotp, Vincent Quoc-Huy Trinh, Christopher Pal, Mahdi S. Hosseini 2026-03-31
基础模型 多切片聚合 患者级建模 自监督学习 计算病理学
✅ 已总结
详情 →

V-JEPA 2.1：解锁视频自监督学习中的密集特征

👍 36

通过将预测损失扩展到所有token并引入深层自监督，大幅提升视频自监督学习的密集特征质量

Lorenzo Mur-Labadia, Matthew Muckley, Amir Bar, Mido Assran, Koustuv Sinha,... 2026-03-19
世界模型 密集预测 自监督学习 视觉Transformer 视频理解
✅ 已总结
详情 →