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 266 条结果
相关性 | 日期

Video2Skill：从流式经验到可复用的具身技能

👍 10

提出SESD任务与Video2Skill基准，揭示VLM难以从流式视频中积累可复用技能

Jianshu Zhang, Ce Zhang, Xiyuan Yang, Chenwei Xu, Haoran Lu, Yijiang Li,... 2026-10-06
具身智能 基准评测 技能发现 视觉语言模型 视频理解
✅ 已总结
详情 →

HelixWorld：实时交互式视听世界模型

👍 10

首个相机对齐空间音频的实时交互视听世界模型，单卡24FPS同步生成画面与立体声

Lei Ke, Jiahao Pan, Zeyue Tian, Jiaming Wang, Haoyuan Huang, Kam Man Wu,... 2026-10-05
世界模型 因果蒸馏 基准评测 实时交互 空间音频
✅ 已总结
详情 →

CUA-SWE：当计算机使用智能体遇上可视化软件工程

👍 15

首个让智能体边操作运行软件边改代码、并用确定性测试验证修复的四域基准

Prince Zizhuang Wang, Chenhao Liang, Zelong Xu, Aojie Yuan, Xiaolin Zhou,... 2026-10-01
可验证奖励 基准评测 多模态智能体 计算机使用智能体 软件工程智能体
✅ 已总结
详情 →

LEGO-Anything：面向3D场景重建的编程智能体

👍 65

编程智能体迭代写Blender代码，把单张图像重建为可编辑、可查询的3D场景程序

Xirui Li, Peng Shi, Mingwen Dong, Sheng Zhang, Zhuoyan Xu, Dongkyu Lee,... 2026-09-30
3D场景重建 Blender Image-to-Code 基准评测 编程智能体
✅ 已总结
详情 →