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 144 条结果
相关性 | 日期

连续环境中的语义视听导航

👍 2

提出MAGNet模型解决连续环境中语义视听导航任务，在目标声音间歇或静默后仍能维持目标追踪

Yichen Zeng, Hebaixu Wang, Meng Liu, Yu Zhou, Chen Gao, Kehan Chen, Gongping Huang 2026-03-24
具身导航 多模态学习 强化学习 音频-视觉融合
✅ 已总结
详情 →

教导智能体逐步绘制矢量素描

👍 5

通过部分级标注和过程奖励强化学习，实现逐步生成可编辑的矢量素描

Xiaodan Du, Ruize Xu, David Yunis, Yael Vinker, Greg Shakhnarovich 2026-03-23
多模态学习 强化学习 生成模型 矢量图形 计算机视觉
✅ 已总结
详情 →

VAREX：文档多模态结构化提取基准

👍 2

提出反向标注流水线构建多模态文档提取基准，评估20个模型在小规模参数下的结构化输出能力

Udi Barzelay, Ophir Azulai, Inbar Shapira, Idan Friedman, Foad Abo Dahood,... 2026-03-18
基准测试 多模态学习 小模型评估 文档理解 结构化数据提取
✅ 已总结
详情 →