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 114 条结果
相关性 | 日期

局部注意力视觉Transformer

👍 7

为ViT添加可学习高斯核偏置注意力，显著提升分割性能且不损害分类精度

Sina Hajimiri, Farzad Beizaee, Fereshteh Shakeri, Christian Desrosiers,... 2026-03-06
基础模型适配 密集预测 注意力机制 视觉Transformer 语义分割
✅ 已总结
详情 →

GENIUS：生成式流体智能评估套件

👍 55

首个评估多模态生成模型流体智能的基准，揭示当前模型存在严重的执行差距

Ruichuan An, Sihan Yang, Ziyu Guo, Wei Dai, Zijun Shen, Haodong Li, Renrui... 2026-02-12
多模态生成 注意力机制 流体智能 统一多模态模型 评估基准
✅ 已总结
详情 →

Prism：频谱感知的块稀疏注意力机制

👍 38

通过双频带分解和能量校准恢复RoPE下均值池化损失的高频位置信息，实现高效块稀疏注意力

Xinghao Wang, Pengyu Wang, Xiaoran Liu, Fangxu Liu, Jason Chu, Kai Song, Xipeng Qiu 2026-02-11
RoPE 模型加速 注意力机制 稀疏注意力 长上下文
✅ 已总结
详情 →

指令锚点：解剖模态仲裁的因果动力学

👍 7

揭示指令令牌作为模态仲裁结构锚点，浅层缓冲深层仲裁的稀疏头机制

Yu Zhang, Mufan Xu, Xuefeng Bai, Kehai chen, Pengfei Zhang, Yang Xiang, Min Zhang 2026-02-04
可解释性 因果分析 多模态大语言模型 模态遵循 注意力机制
✅ 已总结
详情 →

通过分隔符令牌缩放增强多图像理解

👍 5

缩放图像分隔符令牌隐藏状态，无需训练即可抑制跨图像信息泄漏

Minyoung Lee, Yeji Park, Dongjun Hwang, Yejin Kim, Seong Joon Oh, Junsuk Choe 2026-02-03
多图像理解 多模态大模型 推理优化 注意力机制 训练无关方法
✅ 已总结
详情 →

DeepSeek-OCR 2：视觉因果流

👍 73

用LLM式编码器实现视觉token的因果重排序，突破文档OCR的语义理解瓶颈

Haoran Wei, Yaofeng Sun, Yukun Li 2026-01-29
OCR 因果推理 文档解析 注意力机制 视觉语言模型
✅ 已总结
详情 →