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 124 条结果
相关性 | 日期

ResAdapt：自适应分辨率的高效多模态推理框架

👍 17

通过输入侧自适应分辨率分配，在消除90%视觉token的同时保持或超越基线性能

Huanxuan Liao, Zhongtao Jiang, Yupu Hao, Yuqiao Tan, Shizhu He, Jun Zhao,... 2026-03-31
多模态大语言模型 强化学习 自适应推理 视频理解 计算效率
✅ 已总结
详情 →

V-JEPA 2.1：解锁视频自监督学习中的密集特征

👍 39

通过将预测损失扩展到所有token并引入深层自监督，大幅提升视频自监督学习的密集特征质量

Lorenzo Mur-Labadia, Matthew Muckley, Amir Bar, Mido Assran, Koustuv Sinha,... 2026-03-19
世界模型 密集预测 自监督学习 视觉Transformer 视频理解
✅ 已总结
详情 →

Video-CoE：通过事件链强化视频事件预测

👍 32

提出Chain of Events范式，通过构建时序事件链提升MLLM的视频事件预测能力

Qile Su, Jing Tang, Rui Chen, Lei Sun, Xiangxiang Chu 2026-03-19
事件预测 多模态大语言模型 强化学习 时序建模 视频理解
✅ 已总结
详情 →

基于视频的计算机使用代理奖励建模

👍 43

用执行视频训练奖励模型评估计算机代理任务成功率

Linxin Song, Jieyu Zhang, Huanxin Sheng, Taiwei Shi, Gupta Rahul, Yang Liu,... 2026-03-13
GUI代理 多模态学习 奖励建模 视频理解 计算机使用代理
✅ 已总结
详情 →