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 127 条结果
相关性 | 日期

ELT：面向视觉生成的弹性循环 Transformer

👍 24

循环Transformer+环内自蒸馏，单次训练实现任意时间推理，参数减少4倍。

Sahil Goyal, Swayam Agrawal, Gautham Govind Anil, Prateek Jain, Sujoy Paul,... 2026-04-13
参数高效 图像生成 循环Transformer 扩散模型 视频生成
✅ 已总结
详情 →

MixFlow：通过混合源分布改善 Rectified Flow

👍 4

用条件与无条件高斯的线性混合源分布，拉直生成轨迹并显著提升 Rectified Flow 采样效率。

Nazir Nayal, Christopher Wewer, Jan Eric Lenssen 2026-04-13
Flow Matching ODE 求解 Rectified Flow 图像生成 扩散模型加速
✅ 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 →

Unify-Agent：面向世界基础图像生成的统一多模态智能体

👍 49

首次提出端到端统一多模态智能体框架，通过Think-Research-Recaption-Generate四阶段流水线实现真实世界的知识密集型图像生成

Shuang Chen, Quanxin Shou, Hangting Chen, Yucheng Zhou, Kaituo Feng, Wenbo... 2026-04-01
世界知识 图像生成 多模态智能体 文本到图像 知识检索增强
✅ 已总结
详情 →

Extend3D：城镇规模3D场景生成

👍 26

无需训练的单图像到城镇规模3D场景生成方法，通过扩展潜在空间和重叠块式流实现高保真度。

Seungwoo Yoon, Jinmo Kim, Jaesik Park 2026-04-01
3D生成 图像生成 场景重建 扩散模型 训练-free方法
✅ 已总结
详情 →

RawGen：学习相机原始图像生成

👍 21

首个基于扩散模型的文本到raw图像生成框架，支持任意目标相机

Dongyoung Kim, Junyong Lee, Abhijith Punnappurath, Mahmoud Afifi, Sangmin... 2026-04-01
ISP处理 低层视觉 图像生成 扩散模型 计算机视觉
✅ 已总结
详情 →

Calibri：通过参数高效校准增强 Diffusion Transformer

👍 69

仅调约102个缩放参数，用进化策略校准 DiT 各模块权重，即可显著提升生成质量并加速推理

Danil Tokhchukov, Aysel Mirzoeva, Andrey Kuznetsov, Konstantin Sobolev 2026-03-27
参数高效微调 图像生成 扩散模型 无梯度优化 模型对齐
✅ 已总结
详情 →