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 323 条结果
相关性 | 日期

MolmoMotion：基于语言指令的三维点轨迹预测方法研究

👍 53

提出语言引导的三维物体点轨迹预测方法，构建百万级数据集和基准，显著超越现有运动预测方法

Jianing Zhang, Chenhao Zheng, Yajun Yang, Max Argus, Rustin Soraki, Winson... 2026-06-18
三维运动预测 机器人控制 视觉语言模型 视频生成 轨迹预测
✅ 已总结
详情 →

Kairos：面向物理AI的原生世界模型框架

👍 38

首个原生面向物理AI的世界模型，跨具身课程+混合线性时序记忆

Kairos Team, Fei Wang, Shan You, Qiming Zhang, Tao Huang, Zuoyi Fu, Zhisheng... 2026-06-18
世界模型 扩散模型 机器人控制 物理AI 线性注意力
✅ 已总结
详情 →

MaineCoon：追求实时视听社交世界模型

👍 13

首个单GPU实时运行22B参数的视听自回归生成模型，支持亚秒级交互和千秒级长时生成

Lichen Bai, Tianhao Zhang, Shitong Shao, Dingwei Tan, Qiyu Zhong, Zhengpeng... 2026-06-18
多模态生成 实时生成 社交世界模型 自回归模型 视频生成
✅ 已总结
详情 →

DreamX-World 1.0：通用交互式世界模型

👍 113

支持相机导航、场景记忆和可组合事件控制的通用世界模型

DreamX Team, Yancheng Bai, Rui Chen, Xiangxiang Chu, Rujing Dang, Hao Dou,... 2026-06-16
世界模型 交互式生成 相机控制 自回归生成 视频生成
✅ 已总结
详情 →

Lip Forcing：用于实时唇形同步的少步自回归扩散模型

👍 36

首个支持实时推理的唇形同步扩散模型，通过分析驱动的蒸馏框架将14B教师压缩为两步自回归学生，实现31 FPS流式生成

Paul Hyunbin Cho, Jinhyuk Jang, SeokYoung Lee, Joungbin Lee, Siyoon Jin,... 2026-06-10
唇形同步 实时推理 扩散模型 模型蒸馏 自回归生成
✅ 已总结
详情 →