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 多智能体系统 多模态学习 智能体 知识蒸馏 图像生成 代码生成 LLM智能体 注意力机制 LLM Agent 具身智能 流匹配 多模态大语言模型 视频理解 数学推理 检索增强生成 可解释性 图像编辑 多模态 机器人学习 机器人操作 工具使用 自监督学习 Transformer 基准评测 对比学习 长上下文 RLVR 多模态推理 计算机视觉 数据合成 LLM评估 信息检索 推理加速 3D重建 扩散语言模型 自回归模型 视觉推理 Flow Matching RAG 参数高效微调 LoRA 视觉-语言-动作模型 模型压缩 自回归生成 视觉-语言模型 后训练 工具调用 持续学习 高效推理 RLHF 策略优化
找到 454 条结果
相关性 | 日期

Lip Forcing：用于实时唇形同步的少步自回归扩散模型

👍 36

首个支持实时推理的唇形同步扩散模型，通过分析驱动的蒸馏框架将14B教师压缩为两步自回归学生，实现31 FPS流式生成

Paul Hyunbin Cho, Jinhyuk Jang, SeokYoung Lee, Joungbin Lee, Siyoon Jin,... 2026-06-10
唇形同步 实时推理 扩散模型 模型蒸馏 自回归生成
✅ 已总结
详情 →

视频世界模型的潜在空间记忆

👍 71

在潜在空间直接构建3D记忆，实现高效几何一致的视频生成

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He,... 2026-06-09
3D一致性 世界模型 扩散模型 空间记忆 视频生成
✅ 已总结
详情 →

基于分解视觉代理的直接3D感知物体插入

👍 26

提出DIRECT框架，通过外观-几何-上下文三元引导实现姿态可控的物体插入

Jingbo Gong, Yikai Wang, Yushi Lan, Yuhao Wan, Ziheng Ouyang, Rui Zhao,... 2026-06-08
3D感知图像编辑 姿态控制 扩散模型 条件生成 物体插入
✅ 已总结
详情 →

时间块扩散视觉语言动作模型

👍 2

提出TBD-VLA，结合时间自回归与并行解码的块离散扩散VLA框架。

Sung-Wook Lee, Xuhui Kang, Yen-Ling Kuo 2026-06-08
扩散模型 时间建模 机器人学习 离散令牌 视觉语言动作模型
✅ 已总结
详情 →

Flash-WAM：模态感知的世界动作模型蒸馏

👍 7

通过模态感知的一致性蒸馏，将世界动作模型的推理延迟从8.1秒降至348毫秒，实现23倍加速

Arman Akbari, Ci Zhang, Arash Akbari, Lin Zhao, Yixiao Chen, Weiwei Chen,... 2026-06-05
世界模型 实时控制 扩散模型 机器人 知识蒸馏
✅ 已总结
详情 →

Cosmos 3：面向物理 AI 的全模态世界模型

👍 140

用一个 Mixture-of-Transformers 统一语言/图像/视频/音频/动作的理解与生成

Aditi, Niket Agarwal, Arslan Ali, Jon Allen, Martin Antolini, Adeline... 2026-06-04
Mixture-of-Transformers Physical AI 世界模型 全模态 具身智能
✅ 已总结
详情 →