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 251 条结果
相关性 | 日期

视频 = 世界 + 事件流

👍 21

Wan-Streamer v0.3 将视频分解为世界与事件流，实现通用预训练可迁移的实时音视频交互。

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Cheng Yu,... 2026-07-17
VLA 世界模型 多模态 实时音视觉 流式交互
✅ 已总结
详情 →

面向多步视觉推理的层级去噪框架 HDR

👍 5

用树状层级潜变量实现粗到细推理，兼顾多步规划与低延迟流式生成。

Zezhong Qian, Xiaowei Chi, Chak-Wing Mak, Tianze Zhou, Ruibin Yuan, Yuhan... 2026-07-17
Flow Matching 世界模型 多步视觉推理 层级去噪 机器人
✅ 已总结
详情 →

PanoWorld：真实世界全景视频生成

👍 13

基于旋转等变性的全景世界模型，实现高质量可控全景视频生成

Haoyuan Li, Dizhe Zhang, Yuemei Zhou, Xiangkai Zhang, Haoran Feng, Xiaofan... 2026-07-13
3D场景建模 世界模型 全景视频生成 记忆机制 轨迹控制
✅ 已总结
详情 →

基于表示自编码器的多人交互世界模型

👍 22

首个支持四玩家实时交互的动态环境世界模型，在单张GPU上实现20fps生成且能保持数小时稳定

Anthony Hu, Václav Volhejn, Adrien Ramanana Rahary, Chris Mulder, Aditya... 2026-07-07
世界模型 多智能体建模 扩散模型 游戏模拟 视频生成
✅ 已总结
详情 →

ABot-M0.5：统一移动操作世界动作模型

👍 19

通过三层对齐机制解决移动操作中时序粒度、动作空间和训练推理一致性的结构化不匹配问题

Ronghan Chen, Yandan Yang, Zuojin Tang, Dongjie Huo, Tong Lin, Haoning Wu,... 2026-07-02
世界模型 具身智能 动作模型 机器人学习 移动操作
✅ 已总结
详情 →

Valdi：价值扩散世界模型

👍 15

结合扩散模型与价值函数的在线模型预测控制方法

Christopher Lindenberg, Kashyap Chitta 2026-07-02
世界模型 强化学习 扩散模型 模型预测控制
✅ 已总结
详情 →

虎鲸：世界在您心中

👍 312

统一世界基础模型，从多模态信号学习世界潜在空间

Yihao Wang, Yuheng Ji, Mingyu Cao, Yanqing Shen, Runze Xiao, Huaihai Lyu,... 2026-07-01
世界模型 具身智能 多模态学习 状态预测
✅ 已总结
详情 →

修剪视觉世界建模评估的长尾

👍 42

TailOR基准测试揭示视觉生成模型在长尾物理交互场景下的局限性

Bingxuan Li, Yining Hong, Cheng Qian, Hyeonjeong Ha, Jiateng Liu,... 2026-06-30
世界模型 功能属性 物理推理 生成模型评估 长尾分布
✅ 已总结
详情 →