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 110 条结果
相关性 | 日期

视频 = 世界 + 事件流

👍 22

Wan-Streamer v0.3 将视频分解为世界与事件流，实现通用预训练可迁移的实时音视频交互。

Lianghua Huang, Zhi-Fan Wu, Yupeng Shi, Wei Wang, Mengyang Feng, Cheng Yu,... 2026-07-17
VLA 世界模型 多模态 实时音视觉 流式交互
✅ 已总结
详情 →

InSight：通过可操控VLA实现自主技能获取

👍 1

让VLA模型在原始动作层面可操控，实现零人类演示的自主机器人技能获取

Maggie Wang, Lars Osterberg, Stephen Tian, Ola Shorinwa, Jiajun Wu, Mac Schwager 2026-06-24
VLA VLM 技能分解与组合 机器人学习 终身学习
✅ 已总结
详情 →

生成式监督助力具身智能

👍 28

将深度图生成融入VLM预训练，提升空间推理与物理操作能力

Ruowen Zhao, Bangguo Li, Zuyan Liu, Yinan Liang, Junliang Ye, Fangfu Liu,... 2026-05-28
VLA 具身智能 机器人操作 深度预测 视觉-语言模型
✅ 已总结
详情 →

重新思考VLA初始化中的VLM表征设计

👍 9

系统研究VLM表征如何影响VLA初始化，提出能力-更新-动作三轴设计原则

Weifeng Lin, Siyuan Huang, Hao Li, Tingwei Chen, Ruichuan An, Xinyu Wei,... 2026-05-27
LoRA VLA VLM 机器人 机器人学习
✅ 已总结
详情 →