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 117 条结果
相关性 | 日期

AVControl：高效的音视频控制训练框架

👍 28

用独立LoRA在并行画布上训练13种音视频控制模态，仅需55K步即可超越VACE等基线

Matan Ben-Yosef, Tavi Halperin, Naomi Ken Korem, Mohammad Salama, Harel... 2026-03-27
LoRA微调 可控生成 多模态 视频生成 音频生成
✅ 已总结
详情 →

多模态OCR：解析文档中的一切内容

👍 47

将文档中的文字和图形统一解析为可渲染的结构化代码，而非像素裁剪

Handong Zheng, Yumeng Li, Kaile Zhang, Liang Xin, Guangwei Zhao, Hao Liu,... 2026-03-16
OCR SVG重建 多模态 文档解析 视觉语言模型
✅ 已总结
详情 →

Meissa：多模态医疗智能体智能

👍 5

4B参数医疗智能体通过行为蒸馏实现离线部署，性能媲美前沿大模型

Yixiong Chen, Xinyi Bai, Yue Pan, Zongwei Zhou, Alan Yuille 2026-03-12
医疗AI 多模态 工具调用 智能体 知识蒸馏
✅ 已总结
详情 →

DREAM：在单一模型中统一视觉理解与文生图生成

👍 6

用 Masking Warmup 把 CLIP 对比学习与文生图生成在单阶段端到端模型中真正统一，并带来推理时自导向的语义对齐解码。

Chao Li, Tianhong Li, Sai Vidyaranya Nuthalapati, Hong-You Chen, Satya... 2026-03-04
ViT 多模态 对比学习 扩散模型 掩码图像建模
✅ 已总结
详情 →

OmniGAIA：迈向原生全模态AI智能体

👍 53

提出全模态智能体基准OmniGAIA和原生全模态基础智能体OmniAtlas

Xiaoxi Li, Wenxiang Jiao, Jiarui Jin, Shijian Wang, Guanting Dong, Jiajie... 2026-02-27
基准测试 多模态 工具使用 推理 智能体
✅ 已总结
详情 →