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 323 条结果
相关性 | 日期

Wan-Streamer v0.2：更高分辨率，相同延迟

👍 35

在保持约200ms延迟的同时将实时音视频交互模型输出分辨率从192×336提升至640×368

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Junjie He,... 2026-07-07
低延迟推理 分布式推理 多模态对话 实时交互 视频生成
✅ 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 →

基于点跟踪的视频合成与运动控制

👍 3

通过参考图像锚定的点跟踪统一实现视频外观和运动控制

Koichi Namekata, Yash Kant, Zhizheng Liu, Ryan D Burgert, Yuancheng Xu, Kuan... 2026-06-23
扩散模型 点跟踪 视频合成 视频生成 运动控制
✅ 已总结
详情 →

当前世界模型缺乏持久状态核心

👍 16

现有视频世界模型无法在相机离开视野后维持世界状态的连续演化

Jinpeng Lu, Dexu Zhu, Haoyuan Shi, Linghan Cai, Guo Tang, Yinda Chen, Jie... 2026-06-19
世界模型 动态世界状态 状态持久性 视角干预 视频生成
✅ 已总结
详情 →