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 138 条结果
相关性 | 日期

全景图像中的功能预测研究

👍 10

首次探索全景功能预测任务，提出PAP-12K数据集和模拟人眼中央凹视觉的PAP框架

Zixin Zhang, Chenfei Liao, Hongfei Zhang, Harold Haodong Chen, Kanghao Chen,... 2026-03-17
全景视觉 具身智能 功能预测 视觉语言模型 计算机视觉
✅ 已总结
详情 →

世界链：潜在运动中的世界模型思维

👍 8

CoWVLA 通过结构-运动解耦的潜在表示统一世界模型与潜在动作，实现高效机器人操控

Fuxiang Yang, Donglin Di, Lulu Tang, Xuancheng Zhang, Lei Fan, Hao Li, Chen... 2026-03-04
VLA模型 世界模型 具身智能 机器人操控 潜在动作
✅ 已总结
详情 →

RynnBrain：开源具身智能基础模型

👍 46

阿里达摩院开源具身智能基础模型，统一感知/推理/规划，四个核心能力全面超越SOTA

Ronghao Dang, Jiayan Guo, Bohan Hou, Sicong Leng, Kehan Li, Xin Li, Jiangpin... 2026-02-19
具身智能 基础模型 多模态大模型 机器人 空间推理
✅ 已总结
详情 →

在真实世界中学习情境感知

👍 8

提出SAW-BENCH基准测试，评估多模态模型在第一人称视角下的空间情境感知能力

Chuhan Li, Ruilin Han, Joy Hsu, Yongyuan Liang, Rajiv Dhawan, Jiajun Wu,... 2026-02-19
具身智能 基准测试 多模态基础模型 情境感知 空间推理
✅ 已总结
详情 →