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 582 条结果
相关性 | 日期

音视频模型中的注意力三角

👍 39

提出注意力三角框架诊断音视频扩散模型的跨模态语义泄漏，并以免训练注意力偏置修复音源归属。

Sagi Polaczek, Noa Kraicer, Gal Metzer, Zhuo Ning, Ali Mahdavi-Amiri, Daniel... 2026-09-07
交叉注意力 可解释性 扩散模型 推理时干预 语义泄漏
✅ 已总结
详情 →

Kirin：从野外视频生成动物运动

👍 3

从野外视频重建动物3D运动，构建AiM3D数据集，用文本+图像双条件扩散模型自动生成3D动物动画。

Brian Nlong Zhao, Zhuoyang Pan, James M. Rehg, Jiajun Wu, Shangzhe Wu 2026-09-03
3D重建 动物运动生成 多模态数据集 扩散模型 网格动画
✅ 已总结
详情 →

Hydra-0：面向通用世界建模与控制的动作流

👍 8

以像素级动作流为共享接口，统一跨本体世界建模、开环策略评估与逆向机器人控制

Hongyu Li, Bowen Wen, Xinghao Zhu, Yixuan Wang, Yilun Du, Yunzhu Li, George... 2026-08-24
世界模型 扩散模型 机器人操控 策略评估 视频生成
✅ 已总结
详情 →

V-RAE：为生成重新思考视频潜在空间

👍 29

以冻结视觉基础模型特征构建语义潜空间，视频重建与生成双优、收敛快至6倍

Minghui Guo, Shengqiong Wu, Hao Fei 2026-08-19
扩散模型 潜在空间 表征学习 视频生成 视频自编码器
✅ 已总结
详情 →

Abra：扩散图像训练的规模化定律研究

👍 12

扩散文生图模型需约200图像token/参数才达计算最优，是LLM的10倍，且过训练几乎无代价。

Kyle Chickering, Wei-An Lin, Swayam Bhanded, Dan Saunders, Akshat Tripathi,... 2026-08-19
DiT 扩散模型 文生图 流匹配 缩放定律
✅ 已总结
详情 →

像素空间文生图扩散模型训练的实证研究

👍 36

潜空间预训练再迁移像素空间后训练的实证配方，质量持平潜空间模型且推理快3.18–4.75倍

Dengyang Jiang, Ruoyi Du, Zhennan Chen, Dongyang Liu, Zanyi Wang, Mingzhe... 2026-08-18
像素空间生成 实证研究 扩散模型 文生图 步数蒸馏
✅ 已总结
详情 →