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 210 条结果
相关性 | 日期

Omni-DuplexEval：评估实时双工全模态交互

👍 4

首个系统评估实时双工全模态交互的基准，含660视频与LLM时序评判框架

Chaoqun He, Mingyang Xiang, Yingjing Xu, Bokai Xu, Junbo Cui, Jie Zhou, Yuan... 2026-05-20
LLM-as-a-Judge 主动响应 多模态大模型 实时双工交互 时序对齐
✅ 已总结
详情 →

交互式 AI 智能体中的认知年龄对齐评估

👍 5

提出首个基于 WISC 心理测量的交互式基准 ChildAgentEval，系统评估多模态智能体能否模拟 6-17 岁儿童的真实认知发展轨迹。

Yifan Shen, Jiawen Zhang, Jian Xu, Junho Kim, Ismini Lourentzou, Xu Cao,... 2026-05-19
儿童AI安全 多模态大模型 心理测量 技能蒸馏 智能体评估
✅ 已总结
详情 →

ViMU：面向视频隐喻理解的基准测试

👍 13

首个无提示视频潜台词理解基准，揭示前沿多模态模型在讽刺、反讽与社会含义上的系统短板

Qi Li, Xinchao Wang 2026-05-15
基准测试 多模态大模型 社会语言学 视频理解 隐喻与反讽
✅ 已总结
详情 →

视觉美学基准：前沿模型能评判美吗？

👍 11

提出 VAB 基准：把美学判断改为同主题集合比较，揭示前沿模型距人类专家仍有 42.4 点巨大差距。

Yichen Feng, Yuetai Li, Chunjiang Liu, Yuanyuan Chen, Fengqing Jiang, Yue... 2026-05-14
偏好判断 基准测试 多模态大模型 奖励模型 美学评估
✅ 已总结
详情 →

大模型时代的音视觉智能：一项综合性综述

👍 35

首篇系统综述大模型时代音视觉感知/生成/交互三大支柱的统一分类法与方法论

You Qin, Kai Liu, Shengqiong Wu, Kai Wang, Shijian Deng, Yapeng Tian, Junbin... 2026-05-08
全模态对话 具身智能 多模态大模型 综述 音视频生成
✅ 已总结
详情 →