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 251 条结果
相关性 | 日期

μ₀：一种可扩展的 3D 交互轨迹世界模型

👍 10

用 3D 轨迹作为视频到机器人动作的可复用中间表征，纯视频预训练即可匹敌有动作监督的 VLA。

Seungjae Lee, Yoonkyo Jung, Jusuk Lee, Jonghun Shin, Amir Hossein... 2026-06-15
3D 轨迹预测 世界模型 机器人操作 流匹配 视频预训练
✅ 已总结
详情 →

WEAVER：用于机器人操作的高效世界模型

👍 4

首个同时满足高保真、长时一致性和高效生成的机器人操作世界模型

Arnav Kumar Jain, Yilin Wu, Jesse Farebrother, Gokul Swamy, Andrea Bajcsy 2026-06-12
世界模型 多视图预测 机器人操作 流匹配 测试时规划
✅ 已总结
详情 →

Role-Agent: 通过双角色进化自举大语言模型智能体

👍 77

提出使用单个LLM同时扮演Agent和环境两个角色，实现自举式协同进化，在多任务基准中平均提升超过4%

Xucong Wang, Ziyu Ma, Shidong Yang, Tongwen Huang, Pengkun Wang, Yong Wang,... 2026-06-10
Agent-环境协同进化 LLM智能体 世界模型 强化学习 自举学习
✅ 已总结
详情 →

视频世界模型的潜在空间记忆

👍 71

在潜在空间直接构建3D记忆，实现高效几何一致的视频生成

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He,... 2026-06-09
3D一致性 世界模型 扩散模型 空间记忆 视频生成
✅ 已总结
详情 →

Dream.exe：视频生成模型能否生成可执行的机器人操作？

👍 17

提出首个评估视频生成模型物理可执行性的基准测试框架，通过模拟器中的实际执行成功来衡量模型的物理知识。

Rui Zhao, Kaiming Yang, Jifeng Zhu, Siyang Chen, Ziqi Wang, Weijia Wu, Kevin... 2026-06-05
世界模型 机器人操作 物理可执行性 行为先验 视频生成
✅ 已总结
详情 →

Flash-WAM：模态感知的世界动作模型蒸馏

👍 7

通过模态感知的一致性蒸馏，将世界动作模型的推理延迟从8.1秒降至348毫秒，实现23倍加速

Arman Akbari, Ci Zhang, Arash Akbari, Lin Zhao, Yixiao Chen, Weiwei Chen,... 2026-06-05
世界模型 实时控制 扩散模型 机器人 知识蒸馏
✅ 已总结
详情 →

Cosmos 3：面向物理 AI 的全模态世界模型

👍 140

用一个 Mixture-of-Transformers 统一语言/图像/视频/音频/动作的理解与生成

Aditi, Niket Agarwal, Arslan Ali, Jon Allen, Martin Antolini, Adeline... 2026-06-04
Mixture-of-Transformers Physical AI 世界模型 全模态 具身智能
✅ 已总结
详情 →