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 210 条结果
相关性 | 日期

SVI-Bench：面向战略视频智能的动态微观世界

👍 7

用团队体育作动态微观世界，构建覆盖感知到智能体合成的战略视频智能基准

Yulu Pan, Han Yi, Seongsu Ha, Md Mohaiminul Islam, Benjamin Zhang, Lorenzo... 2026-06-02
体育视频 因果推理 多模态大模型 战略推理 智能体
✅ 已总结
详情 →

MindZero：零标注学习在线心理推理

👍 4

自监督强化学习训练多模态大模型做在线心智推理，无需心理状态标注

Shunchi Zhang, Jin Lu, Chuanyang Jin, Yichao Zhou, Zhining Zhang, Tianmin Shu 2026-06-02
多模态大模型 强化学习 心智理论 智能助手 自监督学习
✅ 已总结
详情 →

LLaVA-OneVision-2:迈向下一代感知智能

👍 27

把视频当码率流处理,codec-stream 在事件级定位上 +44.8。

Xiang An, Yin Xie, Feilong Tang, Yunyao Yan, Huajie Tan, Didi Zhu, Changrui... 2026-05-27
多模态大模型 感知智能 时序定位 视觉token压缩 视频理解
✅ 已总结
详情 →

迈向原生多模态建模：一份路线图

👍 43

形式化定义"原生多模态",梳理2023–2026年40+模型架构、训练、推理与评估。

Siyu An, Junru Lu, Junnan Dong, Qiufeng Wang, Yinghui Li, Weizhi Fei, Zichao... 2026-05-26
Transformer 原生建模 多模态大模型 综述 路线图
✅ 已总结
详情 →

面向定制化的多模态角色扮演

👍 10

提出 CMRP 新任务和 UniCharacter 框架，用极少样本让统一多模态模型同时学会角色的语言风格与视觉外观。

Chao Tang, Jianzong Wu, Qingyu Shi, Ye Tian, Aixi Zhang, Hao Jiang,... 2026-05-26
GRPO 个性化生成 多模态大模型 强化学习 文生图
✅ 已总结
详情 →

MetaphorVU：迈向隐喻视频理解

👍 8

首个系统化的隐喻视频理解基准MetaphorVU-Bench与基于隐喻知识图谱的推理时增强框架MetaphorBoost

Zhuoqun Li, Boxi Cao, Guiping Jiang, Fangrui Lv, Ruotong Pan, Jianan Wang,... 2026-05-26
多模态大模型 知识图谱 视频理解 评测基准 隐喻理解
✅ 已总结
详情 →

ETCHR：用编辑来澄清和驾驭视觉推理

👍 13

用专用图像编辑器替代工具调用与统一多模态，让MLLM真正“用图像思考”。

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin 2026-05-25
GRPO LoRA微调 图像编辑 多模态大模型 强化学习
✅ 已总结
详情 →

Bernini：面向视频扩散的潜空间语义规划

👍 20

用MLLM在自身ViT嵌入空间做语义规划，解耦理解与扩散渲染，统一视频生成与编辑。

Bernini Team, Chenchen Liu, Junyi Chen, Lei Li, Lu Chi, Mingzhen Sun,... 2026-05-22
多模态大模型 扩散模型 统一框架 视频生成 视频编辑
✅ 已总结
详情 →